代码之家 › 专栏 › 技术社区 › maycca

R按组按筛选值填充新列

expand dplyr filter r

0

maycca · 技术社区 · 5 年前

我想在我的 dat 满足一个条件。所以,我想保留 value regime == "SA" 并将此值填入整个组的新列中 vals.sa .

filter 和 mutate Filter 只是保持行满足条件,但如何将该值扩展到组中的所有行?

我的数据:

dat <- data.frame(id = c(1,1,2,2,2,2,3,3),
                  regime = c("SA", "B", "SA", "B", "C", "F", "SA", "D"),
                  value = c(3,5,1,2,5,6,7,8))

dplyr

dat %>% 
  # group data by id
  group_by(id) %>%           
  # how to write this condition and get values instead or TRUE/FALSE?
  mutate(val.sa = regime == "SA")

填充的预期输出 val.sa 值对应

     id regime value val.sa
  <dbl> <fct>  <dbl>  <dbl>
1     1 SA         3      3
2     1 B          5      3
3     2 SA         1      1
4     2 B          2      1
5     2 C          5      1
6     2 F          6      1
7     3 SA         7      7
8     3 D          8      7

3 回复 | 直到 5 年前

1

4

Ronak Shah 5 年前

您可以使用:

library(dplyr)
dat %>%
  group_by(id) %>%
  mutate(value.sa = value[regime == 'SA'])
  #OR
  #mutate(value.sa = value[match('SA', regime)])


#     id regime value value.sa
#  <dbl> <chr>  <dbl>    <dbl>
#1     1 SA         3        3
#2     1 B          5        3
#3     2 SA         1        1
#4     2 B          2        1
#5     2 C          5        1
#6     2 F          6        1
#7     3 SA         7        7
#8     3 D          8        7

regime 在一个有价值的群体里 "SA" which.max / match .

dat %>%
  group_by(id) %>%
  mutate(value.sa = value[which.max(regime == 'SA')])

2

3

mnist 5 年前

以防你一直只有一个 SA 在每个组中,此操作应该不会出现任何错误:

dat %>% 
  group_by(id) %>%             
  mutate(val.sa = value[regime == "SA"]) 
#> # A tibble: 8 x 4
#> # Groups:   id [3]
#>      id regime value val.sa
#>   <dbl> <fct>  <dbl>  <dbl>
#> 1     1 SA         3      3
#> 2     1 B          5      3
#> 3     2 SA         1      1
#> 4     2 B          2      1
#> 5     2 C          5      1
#> 6     2 F          6      1
#> 7     3 SA         7      7
#> 8     3 D          8      7

否则,你必须决定 沙特阿拉伯 -你想保留的价值。例如,始终保持最大值:

dat <- data.frame(id = c(1,1,2,2,2,2,3,3),
                  regime = c("SA", "B", "SA", "SA", "C", "F", "SA", "D"),
                  value = c(3,5,1,2,5,6,7,8))
dat
#>   id regime value
#> 1  1     SA     3
#> 2  1      B     5
#> 3  2     SA     1
#> 4  2     SA     2
#> 5  2      C     5
#> 6  2      F     6
#> 7  3     SA     7
#> 8  3      D     8

dat %>% 
  group_by(id) %>%             
  mutate(val.sa = max(value[regime == "SA"]))
#> # A tibble: 8 x 4
#> # Groups:   id [3]
#>      id regime value val.sa
#>   <dbl> <fct>  <dbl>  <dbl>
#> 1     1 SA         3      3
#> 2     1 B          5      3
#> 3     2 SA         1      2
#> 4     2 SA         2      2
#> 5     2 C          5      2
#> 6     2 F          6      2
#> 7     3 SA         7      7
#> 8     3 D          8      7

3

2

Rui Barradas 5 年前

val.sa 首先在 SA 与中的值相等的行 value 列。然后分组依据 id fill 趴下。这样地:

dat %>%
  mutate(val.sa = ifelse(regime == 'SA', value, NA)) %>%
  group_by(id) %>%
  fill(val.sa)
## A tibble: 8 x 4
## Groups:   id [3]
#     id regime value val.sa
#  <dbl> <chr>  <dbl>  <dbl>
#1     1 SA         3      3
#2     1 B          5      3
#3     2 SA         1      1
#4     2 B          2      1
#5     2 C          5      1
#6     2 F          6      1
#7     3 SA         7      7
#8     3 D          8      7

4

1

akrun 5 年前

我们可以利用 case_when

library(dplyr)
library(tidyr)
 dat %>%
     mutate(val.sa = case_when(regime == 'SA' ~ value) %>%
     group_by(id) %>%
     fill(val.sa)