R - 需要添加一个标志，其中代码标识列中的缺失值

Question

不确定标题是否清楚，但我想添加一个列来标识组，其中名称列中的名称值可能在该组中丢失。示例数据...

 Group ID  Ind ID  Name
 100       1       Andy
 100       1       Mike
 100       2       Mike
 200       1       Mike
 200       2       Mike
 300       1       Andy
 300       1       Mike
 400       1       Mike    
 400       2       Mike    
 400       3       Mike    
 400       4       Mike    

我想添加第四列，该列将标记“Andy”是否根本不在组中。所以……

 Group ID  Ind ID  Name  Andy?
 100       1       Andy    Y
 100       1       Mike    Y
 100       2       Mike    Y
 200       1       Mike    N
 200       2       Mike    N
 300       1       Andy    Y
 300       2       Mike    Y
 400       1       Mike    N
 400       2       Mike    N
 400       3       Mike    N
 400       4       Mike    N

我最初的想法是对数据进行分区，然后循环查找“名称”列中是否提到了我要标记的名称。

我对分区使用了 split() - 5 分钟后，它还在继续。我确实有 600,000 多行，其中可能有 500,000 行作为唯一组 ID。

关于如何处理有什么建议吗？

Answer 1

您可以使用数据表和any()，使用GroupID 作为分组变量。

library(data.table)
setDT(df)[, "Andy?" := any(Name == "Andy"), by = GroupID]

给出

 #     GroupID IndID Name Andy?
 #  1:     100     1 Andy  TRUE
 #  2:     100     1 Mike  TRUE
 #  3:     100     2 Mike  TRUE
 #  4:     200     1 Mike FALSE
 #  5:     200     2 Mike FALSE
 #  6:     300     1 Andy  TRUE
 #  7:     300     1 Mike  TRUE
 #  8:     400     1 Mike FALSE
 #  9:     400     2 Mike FALSE
 # 10:     400     3 Mike FALSE
 # 11:     400     4 Mike FALSE

或者，对于 Andy? 列中的 Y 和 N，您可以使用

setDT(df)[, "Andy?" := ifelse(any(Name == "Andy"), "Y", "N"), by = GroupID]

基本的 R 方法是使用 ave() 虽然这看起来不太理想，因为它使用 data.table 和 是多么简单和高效>dplyr.

df[["Andy?"]] <- with(df, {
    ave(as.character(Name), GroupID, FUN = function(x) {
        ifelse(any(x == "Andy"), "Y", "N")
    })
})