r - 基于在 R w/dplyr mutate() 中作为向量存储的列索引连接 data.frame 字符列？

Question

能否根据存储为向量的列索引连接数据框列，可能使用 stringr 函数(例如，str_c() )或粘贴？然后，我该如何使用 dplyr mutate() 创建一个新变量？

我想为电子邮件聚合任务这样做，这意味着使用 readxl 包读取包含不同名称列(例如，只有一个名称列，有时是名字和姓氏)的 Excel 工作表。

例如:假设我想在随 tidyverse R 包安装的 starwars 数据框中连接所有包含“color”的列名。

 library(tidyverse)
 colnames(starwars)
 [1] "name"       "height"     "mass"       "hair_color" "skin_color" "eye_color"  "birth_year" "gender"     "homeworld"  "species"    "films"     
 [12] "vehicles"   "starships" 

我可以通过以下方式捕获这些列的索引:

color_vec_num <- which(grepl("COLOR", toupper(colnames(starwars))))
print(color_vec_num)
[1] 4 5 6

列名是什么？

colnames(starwars)[color_vec_num]
[1] "hair_color" "skin_color" "eye_color"

我可以很容易地通过名称将这些列名称链接在一起。查看前 4 行 starwars:

str_c(starwars$hair_color, starwars$skin_color, starwars$eye_color)[1:4]
[1] "blondfairblue"   NA                NA                "nonewhiteyellow"

但是，我尝试使用列索引失败了。

根据 Akrun 发现的拼写错误进行编辑 借用此 SO use of double brackets创建(变异)一个新变量是可行的，但这会单独且明确地标识列，而不是使用数字向量来标识每个列索引。

starwars %>% mutate(newcolor = paste(.[[4]],.[[5]], .[[6]])) %>% select(name, newcolor)
# A tibble: 87 x 2
   name               newcolor                    
   <chr>              <chr>                       
 1 Luke Skywalker     blond fair blue             
 2 C-3PO              NA gold yellow              
 3 R2-D2              NA white, blue red   

这种尝试，让人联想到 previous SO answer for a different question ，显然看起来不对。

paste(starwars %>% select(color_vec_num), collapse = " ", stringsAsFactors = FALSE)
[1] "c(\"blond\", NA, NA, \"none\", \"brown\", \"brown, grey\", \"brown\", NA, \"black\", \"auburn, white\", \"blond\", \"auburn, grey\", \"brown\", \"brown\", NA, NA,

Answer 1

我们可以使用列索引 (.[color_vec_num]) 对列进行子集化，并在 mutate 中将其reduce 为单个列/向量通过连接 (str_c)

library(tidyverse)
out <- starwars %>%
           mutate(newcolor = reduce(.[color_vec_num], str_c))
out %>% 
   pull(newcolor) %>% 
   head(4)
#[1] "blondfairblue"   NA                NA                "nonewhiteyellow"

---

关于OP的paste中的错误

paste(.[[4]],.[[5]], [[6]]

最后一个缺少 。 即它应该是

starwars %>%
   mutate(newcolor = paste(.[[4]],.[[5]], .[[6]]))

话虽如此，与 paste 或 unite 相比，使用 str_c 有明显的优势(来自 tidyr) 关于缺失值。使用 str_c，列中的任何缺失值都会为整行返回 NA，而 paste 或 unite 会将 NA 到字符并返回类似

"NA gold yellow" 

对于 str_c

为 NA 的第二个元素