关于r：lapply – 根据当前变量创建新变量，有条件地基于第二个数据框中的信息

lapply - Create new variables, based on current variables, conditionally based on info in 2nd data frame

我一直在做很多新项目，我正在做很多不熟悉的数据准备和管理。

我有两个数据框：1)非常大，有数千个观察和变量(df1)，2)数据框列出了df1(df2)中变量子集的采集年份范围。我需要在df1中为df1中的大量变量/列创建一个新变量。为df1创建的新变量将检查是否存在值(1)，收集的年份中不存在值(0)，或者不存在值且年份超出列出的收集范围在df2('NA')。

我花了几天时间阅读了大量的lapply()，但我似乎无法找到满足我的需求或处理复杂类型的那些，这样我就不必用暴力来做这件事了。

这是我可行的起始数据框：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

grp <- c('a', 'a', 'a', 'b', 'b')
year <- c(1991, 1992, 1993, 2005, 2010)
v1 <- c(20.5, 30.5, 29.6, 28.7, 26.1)
v2 <- c(100.0, 101.5, 105.1, 'NA', 95.0)
v3 <- c(47.2, 'NA', 'NA', 'NA', 'NA')
df1 <- data.frame(grp = grp, year = year, v1 = v1, v2 = v2, v3 = v3)
df1

grp year v1 v2 v3
a 1991 20.5 100 47.2
a 1992 30.5 101.5 NA
a 1993 29.6 105.1 NA
b 2005 28.7 NA NA
b 2010 26.1 95 NA

这是我的参考数据框，其中包含df1中的变量：

1
2
3
4
5
6
7
8
9
10

vars <- c('v1', 'v2', 'v3')
start <- c(1989, 2004, 1980)
end <- c(2015, 2011, 1994)
df2 <- data.frame(vars = vars, start = start, end = end)
df2

vars start end
v1 1989 2015
v2 2004 2011
v3 1980 1994

我一直在用'lapply()'学习简单的东西：

1	test <- df1[paste0(vars, '.cov')] <- lapply(df1[vars], function(x) as.integer(x > 0))

我在R中写道，我认为是需要满足的条件类型。我将用书面英语叙述：

收集的一年中存在的值(1)

1	if (!is.na(x)) { x <- 1 }

在df2(0)中列出的范围内的一年中不存在值

1	if (is.na(x) & year %in% seq(df2$start[df2$vars == names(df1[x]), ], df2$end[df2$vars == names(df1[x]), ], 1)) { x <- 0 }

值不存在且年份超出df2('NA')中列出的收集范围

1	if (is.na(x) & !(year %in% seq(df2$start[df2$vars == names(df1[x]), ], df2$end[df2$vars == names(df1[x]), ], 1))) { x <- 'NA' }

我在语法和索引方面做得最好，但我们很快就走出了自己的舒适区。

运行条件检查后，所需的输出/修改后的df1应如下所示：

1
2
3
4
5
6

grp year v1 v2 v3 v1.cov v2.cov v3.cov
a 1991 20.5 100 47.2 1 1 1
a 1992 30.5 101.5 NA 1 1 0
a 1993 29.6 105.1 NA 1 1 0
b 2005 28.7 NA NA 1 0 NA
b 2010 26.1 95 NA 1 1 NA

我对各种解决方案持开放态度，但这似乎是可能的路径。再次感谢所有的帮助。我是一位经验丰富的R建模师/科学家，但在过去一个月里，我已经学到了很多数据准备，'data.table'和'dplyr'，并提供了所有帮助。