r - 在 R 中的数据框中的一组列中查找列的值

Question

我正在努力寻找跨 data.frame 的其他列的列的值。如果有人能帮助我，我将不胜感激。这些是我的数据的简化形式:

library(data.table)

df<-data.table(personid<-c(101, 102, 103, 104, 105, 201, 202, 203, 301, 302, 401),
       hh_id<-c(1, 1, 1, 1, 1, 2, 2, 2, 3, 3, 4),
       fatherid<-c(NA, NA, 101, 101, 101, NA, NA, 201, NA, NA, NA),
       fatherid_1<-c(NA,101, 101, 101, NA, NA, 201, NA, NA, NA, NA),
       fatherid_2<-c(101, 101, 101, NA, NA, 201, NA, NA, NA, NA, NA),
       fatherid_3<-c(101, 101, NA, NA, NA, NA, NA, NA, NA, NA, NA),
       fatherid_4<-c(101, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA),
       fatherid_5<-c(NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA))

(真正的是185000行，最多17个变量，如fatherid_1，fatherid_2 ... fatherid_17)

我想做的是创建一个变量来检查变量的值是否为 personid给定行的值与变量 fatherid_1 的任何值相同至 fatherid_5在同一行。对于给定的数据，结果应该是:

df$result <- c(1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0) 

但我需要一些东西来自动完成，超过 17 列，例如 fatherid_1 , 和很多行

如果您想了解我的计算意义，我正在尝试构建家庭网格，而不是仅使用同一行中的信息

非常感谢您!

Answer 1

两种 tidyverse 解决方案:

1-) 您可以使用 dplyr 的新 if_any()、.== 和 tidyr 的 replace_na()。 if_any() 避免了对 rowwise() 或 reduce()/Reduce() 的需要:

library(dplyr)
library(tidyr)

df%>%mutate(result=replace_na(if_any(matches('fatherid'), ~.==personid), 0))

2-) 在 rowwise() 操作中，您可以应用一个函数来检查所有选定列的条件 map(), c_across () 和 %in%，生成一个逻辑向量。然后可以在同一调用中折叠/reduce()d。

library(purrr)
library(dplyr)

df%>%rowwise()%>%mutate(result=as.integer(reduce(map(c_across(fatherid_1:fatherid_5), ~. %in% personid), `|`)))

或使用管道，为了清楚起见:

#option 1
df%>%rowwise()%>%
        mutate(result=map(c_across(fatherid_1:fatherid_5), ~. %in% personid)%>%
                       reduce(`|`)%>%
                       as.integer())
#option 2
df%>%rowwise()%>%
        mutate(result=map_int(c_across(fatherid_1:fatherid_5), ~. %in% personid)%>%
                       reduce(max))

    personid hh_id fatherid fatherid_1 fatherid_2 fatherid_3 fatherid_4 fatherid_5 result
 1:      101     1       NA         NA        101        101        101         NA      1
 2:      102     1       NA        101        101        101         NA         NA      0
 3:      103     1      101        101        101         NA         NA         NA      0
 4:      104     1      101        101         NA         NA         NA         NA      0
 5:      105     1      101         NA         NA         NA         NA         NA      0
 6:      201     2       NA         NA        201         NA         NA         NA      1
 7:      202     2       NA        201         NA         NA         NA         NA      0
 8:      203     2      201         NA         NA         NA         NA         NA      0
 9:      301     3       NA         NA         NA         NA         NA         NA      0
10:      302     3       NA         NA         NA         NA         NA         NA      0
11:      401     4       NA         NA         NA         NA         NA         NA      0