时间戳

首页 > 解决方案 > 基于嵌套 if else 条件和比较 R 中列表中的值创建新列的有效方法

r - 基于嵌套 if else 条件和比较 R 中列表中的值创建新列的有效方法

问题描述

输入 dt-

dt <- data.frame(a_check=c(1,2,1,1,2),
                 b_check=c(0,1,NA,1,15),
                 c_check=c(1,0,0,1,NA),
                 d_check=c(1,1,1,0,0),
                 e_check=c(1,NA,0,1,1))

验证清单- 

valid_values <- list(a_check= c(1,2,3), b_check= c(0,1),c_check=c(0,1,2),d_check="possitive integer",e_check="positive integer")
required_list <- list(a_check= 1, b_check= 1,c_check=0,d_check=1,e_check=0)
col_type_list <- list(a_check= "factor", b_check= "factor",c_check="continuous",d_check="continuous",e_check="continuous")

问题-

我试图通过使用以下多个ifelse条件来获得低于所需的输出 -

  1. 如果该列variable需要required_list并dt包含NA该列，则它应该给出error（变量不能是 NA，因为它是必需的）。
  2. If variableis continuousin col_type_listthan 它应该在 else 中只包含正值dt（变量必须是正整数）
  3. If variableis factorin col_type_listthan 它应该与valid_value列表 else 中的值匹配（变量必须是以下值之一）。

我可以使用获得结果，nested for loops但对于大型数据集来说根本没有效率。

我的代码- 

param_names <- colnames(dt)

error_msg <- list()
error <- list()

for(i in 1:nrow(dt)){

  for(j in 1:length(param_names))
  { 
    if(get(param_names[j],required_list) %in% 1 & is.na(as.numeric(unlist(dt[param_names[j]]))[i]) == TRUE)
    {

      error_msg[j] <- paste0(toupper(param_names[j]), " cannot be NA because it is required")

    }

    ## continuous variable check
    else if(get(param_names[j],col_type_list)=="continuous"){

      if (is.na(as.numeric(unlist(dt[param_names[j]]))[i]) | as.numeric(unlist(dt[param_names[j]]))[i] < 0) {
        error_msg[j] <- paste0(toupper(param_names[j]), " must be a positive integer")
      } else {

        error_msg[j] <- NA
      }


    } else {
      ## factor variable check

      if(!(as.numeric(unlist(dt[param_names[j]]))[i] %in% get(param_names[j],valid_values))){
        error_msg[j] <- paste0(toupper(param_names[j]), " must be one of the following values ", paste(get(param_names[j],valid_values), collapse = '-'))

      } else {

        error_msg[j] <- NA

      }
    }

  } ## end of inner for loop

  error[i] <- paste(unlist(error_msg),collapse = " & ")

}## end of inner f

final_error <- unlist(error)
setDT(dt)
dt[,error := final_error]
dt[,error := gsub("NA & | NA \\s+ &", "\\1", error)]
dt[,error := gsub("& \\s+ NA | & NA", "\\1", error)]

输出-

> dt

    a_check b_check c_check d_check e_check                                                                                error
1:       1       0       1       1       1                                                                                   NA
2:       2       1       0       1      NA                                                   E_CHECK must be a positive integer
3:       1      NA       0       1       0                                                                 B_CHECK cannot be NA
4:       1       1       1       0       1                                                                                   NA
5:       2      15      NA       0       1 B_CHECK must be one of the following values 0-1 & C_CHECK must be a positive integer

注意- 我知道它可以通过@Jav 使用类似的解决方案来实现

dt[, error := lapply(param_names, function(x) {
  ((get(x, dt) %in% get(x, valid_values))) %>%
    ifelse(., " ", paste(x, "should have valid values like -", paste(get(x, valid_values), collapse = " ")))
}) %>% Reduce(paste, .)]

但是，我正在努力ifelse使用上述解决方案来使用多个条件。我正在寻找有效和清洁的解决方案来避免for loops。任何其他方法也可以。

标签： rdplyrdata.tablelapplytidyr

解决方案

您可以摆脱嵌套循环，但仍然需要编写大量代码。在我看来，最简洁的方法是编写一个自定义函数来定义如何应用逻辑：

library(tidyverse)

check_col_validity <- function(col, name) {
  r_error <- rep(NA, length(col))

  # is required?
  if (required_list[name] == 1) {
    msg <- paste(toupper(name), "is required")
    r_error <- ifelse(is.na(col), msg, NA)
  }

  # is continuous?
  if (col_type_list[name] == "continuous") {
    msg <- paste(toupper(name), "must be positive")
    new_error <- ifelse(col < 0 | is.na(col), msg, NA)
    error <- ifelse(is.na(r_error), new_error, paste(r_error, new_error, sep = " & "))
  }

  # is in valid range?
  if (col_type_list[name] == "factor") {
    valid_range <- valid_values[[name]]
    msg <- paste(toupper(name), "must be one of", paste(valid_range, collapse = ", "))
    new_error <- ifelse(col %in% valid_range, NA, msg)
    error <- ifelse(is.na(r_error), new_error, r_error)
  }

  return(error)
}

这很像你的逻辑。不同之处在于它如何应用于数据：

dt$error <- dt[, 1:5] %>%
  purrr::imap_dfc(check_col_validity) %>%
  t() %>%
  as_tibble() %>%
  purrr::map_chr(paste, collapse = " & ") %>%
  stringr::str_remove_all("NA & ") %>%
  stringr::str_remove_all(" & NA")

该函数使用 应用于每一列purrr::imap。结果被转置并粘贴在一起，之后的最后一步是删除丑陋的 NA 字符串。它提供了预期的结果，我希望代码更清晰。

这个过程的主要部分是如何imap工作的。它是对列表的应用类型操作，但它将列表元素的名称作为第二个参数传递给函数。这意味着您可以编写一个应用于数据框每一列的自定义函数，并向函数添加第二个参数，该函数imap将传递列的名称。一旦您在函数中获得了列的数据和名称，该函数就变得更容易编写了。

自定义函数返回适用于该列的错误消息。这意味着您将获得与原始数据集具有相同维度的数据框。然后，您可以转置此数据框并将每列的结果粘贴在一起，以获得每行 1 条消息。

推荐阅读