如何使用 tidyverse 重新评估 r 中的 dataframe 中更改的单元格值

Question

我正在尝试对建筑能耗数据做一些工作。 数据足够大（大约 20 m. 线），我正在使用来自 kaggle的ashrae 能量预测的 train 和 building_metadata 数据框合二为一

我创建了一个新变量 energy_sqm，例如，我在某栋建筑中发现了我想要纠正的停电问题。 该代码在查找和改变我想要修复的变量方面工作正常。

但是我无法知道如何将它重新插入到原始 dataframe 中，因为 tidyverse 通过不进行值的就地替换来工作。 因此，我需要以某种方式将新值放入 df 但 <- 不起作用。

有效的代码：

joined %>% 
  filter(building_id == 778, meter == 0, timestamp == ymd_hms("2016-08-24 15:00:00")) %>% 
  mutate(
    meter_reading = joined %>% 
      filter(building_id == 778, meter == 0, timestamp == ymd_hms("2016-08-23 15:00:00")) %>% 
      pull(meter_reading), 
    energy_sqm = joined %>% 
      filter(building_id == 778, meter == 0, timestamp == ymd_hms("2016-08-23 15:00:00")) %>% 
      pull(energy_sqm))

output 是：

# A tibble: 1 x 11
  building_id meter timestamp           meter_reading site_id primary_use square_feet year_built
        <dbl> <dbl> <dttm>                      <dbl>   <dbl> <chr>             <dbl>      <dbl>
1         778     0 2016-08-24 14:00:00          328.       6 Entertainm~      108339         NA
# ... with 3 more variables: floor_count <dbl>, square_meter <dbl>, energy_sqm <dbl>

这就是我想要的更改。

如果我尝试将其重新插入原来的 position 这是

joined %>% 
  filter(building_id == 778, meter == 0, timestamp == ymd_hms("2016-08-24 15:00:00"))

<-操作它不起作用。

那么如何在 dataframe 中重新分配这些值？ 这不是对整个 df 的修改，我可以轻松地对其进行重新评估。 它基本上只是一个过滤行，我正在更改两个变量（energy_meter 和 energy_sqm）的值并需要重新插入。

澄清基本的 dataframe 看起来像

A tibble: 8,775 x 11
   building_id meter timestamp           meter_reading site_id
         <dbl> <dbl> <dttm>                      <dbl>   <dbl>
 1         778     0 2016-01-01 00:00:00          172.       6
 2         778     0 2016-01-01 01:00:00          171.       6
 3         778     0 2016-01-01 02:00:00          171.       6
 4         778     0 2016-01-01 03:00:00          171        6
 5         778     0 2016-01-01 04:00:00          171.       6
 6         778     0 2016-01-01 05:00:00          170.       6
 7         778     0 2016-01-01 06:00:00          174.       6
 8         778     0 2016-01-01 07:00:00          174.       6
 9         778     0 2016-01-01 08:00:00          175.       6
10         778     0 2016-01-01 09:00:00          174.       6
# ... with 8,765 more rows, and 6 more variables: primary_use <chr>,
#   square_feet <dbl>, year_built <dbl>, floor_count <dbl>,
#   square_meter <dbl>, energy_sqm <dbl>

并查看我要更改的变量是：

 A tibble: 8,775 x 4
   building_id meter timestamp           energy_sqm
         <dbl> <dbl> <dttm>                   <dbl>
 1         778     0 2016-01-01 00:00:00     0.0171
 2         778     0 2016-01-01 01:00:00     0.0170
 3         778     0 2016-01-01 02:00:00     0.0170
 4         778     0 2016-01-01 03:00:00     0.0170
 5         778     0 2016-01-01 04:00:00     0.0170
 6         778     0 2016-01-01 05:00:00     0.0169
 7         778     0 2016-01-01 06:00:00     0.0172
 8         778     0 2016-01-01 07:00:00     0.0173
 9         778     0 2016-01-01 08:00:00     0.0174
10         778     0 2016-01-01 09:00:00     0.0173
# ... with 8,765 more rows

Answer 1

dplyr 1.0.0 有一个新的 function rows_update()用于此目的。 如果您假设您的原始数据集是basic_df并且您的更改存储在changes_df中，您可以使用：

library(dplyr)
rows_update(basic_df, changes_df, by = c("build_id", "meter","timestamp"))

要将其分配回您的原始数据：

basic_df <- rows_update(basic_dy, changes_df, 
                        by = c("build_id", "meter","timestamp"))

Answer 2

@Wil 非常感谢您的建议和时间。 我没有看到那个更新。 它比我发布的排序要好得多，但是我无法使 rows_update 工作。 它一直通过错误“错误：尝试更新丢失的行。”。 然而，具有相同配置的 rows_upsert 在添加另一行时非常有效，我使用上面的代码创建了单行 dataframe。

现在有效的解决方案是对已知的

df %>% mutate(variable_name = replace(variable_name, variable_name == something, replace_value)) 。

但是为了不使 dataframe 变平，我将搜索放在 mutate 中，如下所示

joined <- joined %>%
  mutate(meter_reading = replace(meter_reading,
        
             # having already found  where the problematic value is a am setting it          
                                 meter_reading == joined %>%  
                                   filter(building_id == 778, 
                                          meter == 0, 
                                          timestamp == ymd_hms("2016-08-24 14:00:00")) %>% 
                                   pull(meter_reading),
          # and replacing the meter_reading value with the same value of the previous day
                                 joined %>% filter(building_id == 778, 
                                                   meter == 0, 
                                                   timestamp == ymd_hms("2016-08-23 14:00:00")) %>% 
                                   pull(meter_reading)))

可以预先定义搜索部分和/或替换部分以进行代码分类。 这样 df 就会更新，您可以毫无问题地将其重新分配给原始文件。

我希望有人觉得这很有用。