r - 基于 2 列的组值

Question

这可能是一个非常简单的问题，但是我尝试搜索它但没有找到解决方案。

我有一个包含 65 列和 350 万行的庞大数据集。这个日期如下:

GR SR var1 var2 var3 var4 var5 var6 var6

1 2   ""   ""   ""   ""   ""   x    


1  2   x    x    x   ""    ""  ""   

1  2   ""   ""   ""  ""   ""   ""   

1  3   x    x   x   x  "" "" 

1  3   "" ""  "" "" "" ""

其中 ""= NULL

我想根据其他变量将 var 1 更新为 6。因此，对于每个 GR 和 SR，如果 var1 到 var6 包含一个 x，则需要用一个 x 更新它。这将导致下表:

GR SR var1 var2 var3 var4 var5 var6

1 2 x x x "" "" x 

1 2 x x x "" "" x 

1 2 x x x "" "" x    

1 3 x x x x "" "" 

1 3 x x x x "" "" 

找到这些记录后，我想删除重复的记录，但我知道如何使用Unique form library(data.table)

有人知道怎么做吗？

Answer 1

这是在 tidyr 中使用 fill() 的解决方案(首先加载 tidyverse):

df %>% group_by(GR, SR) %>%
  fill(starts_with("var")) %>%
  fill(starts_with("var"), .direction = "up")

#      GR    SR var1  var2  var3  var4  var5  var6 
#   <int> <int> <chr> <chr> <chr> <chr> <chr> <chr>
# 1     1     2 x     x     x     NA    NA    x    
# 2     1     2 x     x     x     NA    NA    x    
# 3     1     2 x     x     x     NA    NA    x    
# 4     1     3 x     x     x     x     NA    NA   
# 5     1     3 x     x     x     x     NA    NA 

我假设空元素是 NA。如果它们是字符串 ""，那么您需要将它们转换为 NA，否则上面的代码将不起作用。

# How to recode all "" to NA?
# Insert the following code between group_by() and fill()
mutate_all(funs(na_if(., ""))) %>%

---

# data
df <- structure(list(GR = c(1L, 1L, 1L, 1L, 1L),
SR = c(2L, 2L, 2L, 3L, 3L), var1 = c(NA, "x", NA, "x", NA),
var2 = c(NA, "x", NA, "x", NA), var3 = c(NA, "x", NA, "x", NA),
var4 = c(NA, NA, NA, "x", NA), var5 = c(NA_character_, NA_character_,
NA_character_, NA_character_, NA_character_), var6 = c("x", NA, NA, NA, NA)),
class = "data.frame", row.names = c(NA, -5L))