时间戳

首页 > 解决方案 > 在我的数据框中填充一列，以其他列为条件，使用第三列的值

r - 在我的数据框中填充一列，以其他列为条件，使用第三列的值

问题描述

警告：这个问题似乎很简单，以至于我作为初学者可能无法在关于 SO 的更复杂主题中找到正确的解决方案（查看这里、这里、这里和更多地方）

我想在我的数据框中填充一列，基于另一列，并使用其他列作为输入。举个例子就更清楚了：

  Version1 Version2 Version3 Version4 Presented_version Color
1     blue      red    green   yellow                 1    NA
2      red     blue   yellow    green                 4    NA
3   yellow    green      red     blue                 3    NA

我想用 Version1/Version2/Version3/Version 4 的值填充“颜色”列。 Presented_version列告诉我需要这四个值中的哪一个。例如，在第 1 行中，Prested_version 为 1，因此所需的值在“Version1”（“蓝色”）中。第 1 行的颜色应为蓝色。

有人可以向我展示一种无需使用大量“if”语句循环数据框的方法吗？

structure(list(Version1 = structure(1:3, .Label = c("blue", "red", 
"yellow"), class = "factor"), Version2 = structure(c(3L, 1L, 
2L), .Label = c("blue", "green", "red"), class = "factor"), Version3 = structure(c(1L, 
3L, 2L), .Label = c("green", "red", "yellow"), class = "factor"), 
    Version4 = structure(3:1, .Label = c("blue", "green", "yellow"
    ), class = "factor"), Presented_version = c(1L, 4L, 3L), 
    Color = c(NA, NA, NA)), class = "data.frame", row.names = c(NA, 
-3L))

======================== 已编辑！

我简化了示例来解释我的问题，但上面的示例与我的实际数据集在几个方面有所不同，因此解决方案做出了我的数据实际上不符合的假设。这是 data.frame 的更准确表示。特别是，Prested_version 和 Version1...Version 4 列的内容之间没有固定的匹配（这取决于额外的列，我现在称之为 Painter），并且 Version1 到 Version4 不一定在列 1 到 4在我的数据集中。

  FillerColumn Painter Version1 Version2 Version3 Version4 Version_presented Color FillerColumn.1
1           77       A     blue      red    green   yellow                 1    NA             77
2           77       B      red     blue   yellow    green                 4    NA             77
3           77       C   yellow    green      red     blue                 3    NA             77
4           77       D      red     blue   yellow    green                 1    NA             77

structure(list(FillerColumn = c(77L, 77L, 77L, 77L), Painter = structure(1:4, .Label = c("A", 
"B", "C", "D"), class = "factor"), Version1 = structure(c(1L, 
2L, 3L, 2L), .Label = c("blue", "red", "yellow"), class = "factor"), 
    Version2 = structure(c(3L, 1L, 2L, 1L), .Label = c("blue", 
    "green", "red"), class = "factor"), Version3 = structure(c(1L, 
    3L, 2L, 3L), .Label = c("green", "red", "yellow"), class = "factor"), 
    Version4 = structure(c(3L, 2L, 1L, 2L), .Label = c("blue", 
    "green", "yellow"), class = "factor"), Version_presented = c(1L, 
    4L, 3L, 1L), Color = c(NA, NA, NA, NA), FillerColumn.1 = c(77L, 
    77L, 77L, 77L)), class = "data.frame", row.names = c(NA, 
-4L))

标签： rdataframeconditionalmultiple-columns

解决方案

我们可以使用带有row/column索引的矢量化选项来提取值而不是任何循环

df1$color <- df1[1:4][cbind(1:nrow(df1), df1$Presented_version)]
df1$color
#[1] "blue"  "green" "red"

基准

dfN <- df1[rep(seq_len(nrow(df1)), 1e6),]


system.time({
   dfN[1:4][cbind(1:nrow(dfN), dfN$Presented_version)]

 })
# user  system elapsed 
#   1.216   0.110   1.321


system.time({
 cols <- grep("^Version", names(dfN))
 unlist(mapply(function(x, y) dfN[x, cols][y], 
                    1:nrow(dfN),dfN$Presented_version))

 })
#  user  system elapsed 
# 319.907   1.644 322.418

现在，让我们看看另一个选项apply

system.time({
  apply(dfN, 1, function(x) x[cols][as.numeric(x["Presented_version"])])
 }) 
#  user  system elapsed 
# 14.240   0.365  14.550

推荐阅读