r - dplyr + "meta"-列 : when a column contains names of other columns to use instead of the data

Question

我想知道以下问题在 dplyr 中是否有一个优雅的解决方案。

为了提供一个简单的可重现示例，请考虑以下 data.frame:

df <- data.frame( a=1:5, b=2:6, c=3:7,
                  ref=c("a","a","b","b","c"), 
                  stringsAsFactors = FALSE )

这里 a 、 b 、 c 是常规数值变量，而 ref 是为了引用 ，该列是该观察 的“主要”值。例如:

  a b c ref
1 1 2 3   a
2 2 3 4   a
3 3 4 5   b
4 4 5 6   b
5 5 6 7   c

例如，对于观察 3， ref==b 和列 b 包含主值。而对于观察 1， ref==a 和列 a 包含主要值。

有了这个 data.frame，问题是使用 dplyr 为每个观察创建带有 main 值的新列。

  a b c ref main
1 1 2 3   a    1
2 2 3 4   a    2
3 3 4 5   b    4
4 4 5 6   b    5
5 5 6 7   c    7

我可能需要为此使用 dplyr，因为这个操作是更长的 dplyr %>% 数据转换链的一部分。

Answer 1

这是一种简单、快速的方法，可以让您坚持使用 dplyr 链接:

require(data.table)
df %>% setDT %>% .[,main:=get(ref),by=ref]
#    a b c ref main
# 1: 1 2 3   a    1
# 2: 2 3 4   a    2
# 3: 3 4 5   b    4
# 4: 4 5 6   b    5
# 5: 5 6 7   c    7

感谢@akrun 提出了最快的方法和基准测试来展示它的想法(见他的回答)。
setDT 修改了 df 的类，因此您不必在以后的链中再次转换为 data.table。

转换应该适用于链中的任何 future 代码，但 dplyr 和 data.table 都在积极开发中，所以为了安全起见，可以改为使用

df %>% data.table %>% .[,main:=get(ref),by=ref]