特定行 dplyr 中列子集的条件行和

Question

我的问题有点棘手：我正在研究数据编辑，并且我即将找到正确的解决方案。 得到一个 dataframe 像这样：

ID   name   var1  var2  var3 var_total
1     a       1     1    2       4
2     b       2     3    2       7
3     c       1    -1   -1       1

其中var_total是从 var1 到 var3 的每个大于零的数字的总和。 比如说，在 ID == 2 上，我需要将 var2 更改为 -1，这样做：

 df %>% mutate(var2 = if_else(ID == 2, -1, var2))

这带来了：

ID   name   var1  var2  var3 var_total
1     a       1     1    2       4
2     b       2    -1    2       7
3     c       1    -1   -1       1

问题是，我需要找到一种方法来自动重新计算该行的var_total 。 我知道如何为整个 dataframe 做到这一点，但这有点慢：

df %>%
  rowwise() %>%
  mutate(var_total = {
    x <- c_across(starts_with('var'))
    sum(x[x > 0])
    })

有没有办法只对选定的ID执行此操作？ 在这种情况下，我最终的 dataframe 将是：

ID   name   var1  var2  var3 var_total
1     a       1     1    2       4
2     b       2    -1    2       4
3     c       1    -1   -1       1

谢谢！

Answer 1

如果您想有效地更新单行（或行的一小部分），我会使用直接分配，而不是dplyr 。

var_cols = grep(names(df), pattern = "var[0-9]+", value = T)
recalc_id = 2
df[df$ID %in% recalc_id, "var_total"] = apply(df[df$ID %in% recalc_id, var_cols], 1, \(x) sum(x[x > 0]))

正如 akrun 在评论中指出的那样，如果它只是一行，则可以跳过apply ：

i = which(df$ID == recalc_id)
row = unlist(df[i, var_cols])
df$var_total[i] = sum(row[row > 0])

对于dplyr解决方案，这与dplyr::case_when相同：

df = df %>%
  rowwise() %>%
  mutate(var_total = case_when(
      ID %in% 2 ~{
        x <- c_across(starts_with('var[0-9]+'))
        sum(x[x > 0])
      },
      TRUE ~ var_total
    )
  )

（请注意，在这两种情况下，我们都需要将列名模式更改为在总和中不包括var_total 。）

rowwise会破坏一些矢量化并减慢速度，因此，如果您非常担心重新计算总和“太慢”的效率，我强烈推荐base解决方案。 您甚至可能会找到一个非条件基本解决方案，该解决方案对于这种逐行操作来说足够快。