r - 如果第 x 行中的 A 列具有值，如何将第 B 列保留在第 x 行中

Question

我有一个如下所示的数据框:

ID     COL01_A  COL01_B   COL02_A COL02_B  ... COL12_A  COL12_B
1      01       19990101  03      20000101 ... FF       ""
2      03       20170810  FA      20120303 ... ""       ""
3      GG       19940508  DD      20000101 ... 03       20060808
4      03       20180101  09      20000101 ... ""       ""
5      GF       20171212  03      19990101 ... 02       20190101

列类型 A 中的值指示列类型 B 中的值是否是我正在寻找的值。在这种情况下，感兴趣的是值“03”。这种柱子有十二对。如从 COL01_A/COL01_B 到 COL12_A/COL12_B 的示例所示

我一直在寻找一种生成新列(我们称之为 COL_X)的方法，其中仅当类型 A 的双列具有“03”值时，才会反射(reflect)列类型 B 的值。对于上面给出的例子，期望的结果应该是这样的。

ID  COL01_A  COL01_B   COL02_A COL02_B  ... COL12_A  COL12_B   COL_X
1   01       19990101  03      20000101 ... FF       ""        20000101
2   03       20170810  FA      20120303 ... ""       ""        20170810     
3   GG       19940508  DD      20000101 ... 03       20060808  20060808
4   03       20180101  09      20000101 ... ""       ""        20180101  
5   GF       20171212  03      19990101 ... 02       20190101  19990101

现在，我已经使用极其冗长的嵌套 ifelse 语句解决了我的问题，该语句不完全可读，也不是一个好的做法(在我看来)。在效率方面，它很快，但我想这只是因为数据不是太大。我还找到了另一个使用 do.call(pmax(...)) 的解决方案，但是这个解决方案需要我清理数据框(使用 ifelse 语句)并创建一个包含所有其他信息的辅助数据框每行。

有没有办法以尽可能少的代码行和/或不使用辅助结构来完成此操作？如果解决方案使用 data.table 或 dplyr，那就太好了。

基本可重现示例:

ID <- c(1,2,3,4,5)
DATA <- c('xxx', 'yyy', 'zzz','xyz','zxy')
COL01_A<- c('01','03','GG','03','GF')
COL01_B<- c('19990101','20170810','19940508','20180101','20171212')
COL02_A<- c('03','FA','DD','09','03')
COL02_B<- c('20000101','20120303','20000101','20000101','19990101')
COL03_A<- c('FF','','03','','02')
COL03_B<- c('','','20060808','','20190101')

df <- data.frame(ID, DATA, COL01_A,COL01_B,COL02_A,COL02_B,COL03_A,COL03_B)

如果有多个“03”值，COL_X 应该有“”

Answer 1

我们可以使用grep找出A和B列，然后使用max.col找出A_cols 中以“03”为值的值的行索引，然后子集 B_cols 中的相应值。

A_cols <- grep("_A$", names(df))
B_cols <- grep("_B$", names(df))
df$COL_X <- df[B_cols][cbind(1:nrow(df), max.col(df[A_cols] == "03"))]

df

#  ID DATA COL01_A  COL01_B COL02_A  COL02_B COL03_A  COL03_B    COL_X
#1  1  xxx      01 19990101      03 20000101      FF          20000101
#2  2  yyy      03 20170810      FA 20120303                  20170810
#3  3  zzz      GG 19940508      DD 20000101      03 20060808 20060808
#4  4  xyz      03 20180101      09 20000101                  20180101
#5  5  zxy      GF 20171212      03 19990101      02 20190101 19990101

如评论中所述，如果特定行中的“03”值超过 1 个，那么我们需要一个空字符串作为输出。我们可以在上面的内容之后为该条件添加一行，它应该可以工作。

df$COL_X <- ifelse(rowSums(df[A_cols] == "03") > 1, "", df$COL_X)