如何在R语言中按分组与日期重新赋值dataframe数据

问题背景 #

我有如下所示的dataframe：

grp1 <- c('A','A','A','A','A','A',
          'B','B','B','B','B','B',
          'C','C','C','C','C','C')
grp2 <- c('PQ2','PQ2','PQ2','PQ2','PQ2','PQ2',
          'PL2','PL2','PL2','PL2','PL2','PL2',
          'PN2','PN2','PN2','PN2','PN2','PN2')
grp3 <- c('ML2','ML2','ML2','ML2','ML2','ML2',
          'MP2','MP2','MP2','MP2','MP2','MP2',
          'MO2','MO2','MO2','MO2','MO2','MO2')
date <- c('2022-04-04','2022-04-05','2022-04-11','2022-04-12','2022-04-18','2022-04-19',
          '2022-04-04','2022-04-05','2022-04-11','2022-04-12','2022-04-18','2022-04-19',
          '2022-04-04','2022-04-05','2022-04-11','2022-04-12','2022-04-18','2022-04-19')

count <- c(1206, 1432, 333, 292, 1120, 1345, 1100, 1150, 245, 423, 1500, 1400, 1300, 1200, 400, 402, 1100, 1107)

df <- data.frame(cbind(grp1, grp2, grp3, date, count))

需求：对每个分组（grp1+grp2+grp3）执行操作：将4月11日的count值替换为对应分组4月4日的count值，将4月12日的count值替换为对应分组4月5日的count值。

解决方案 #

首先注意：使用cbind创建数据框会把count转为字符型，第一步需要先转换为数值型：

df$count <- as.numeric(df$count)

方法一：使用tidyverse/dplyr（简洁易读） #

利用分组后case_when进行条件替换，逻辑清晰直观：

library(dplyr)

df_updated <- df %>%
  group_by(grp1, grp2, grp3) %>%
  mutate(
    count = case_when(
      date == "2022-04-11" ~ count[date == "2022-04-04"],
      date == "2022-04-12" ~ count[date == "2022-04-05"],
      TRUE ~ count  # 其他日期保持原数值
    )
  ) %>%
  ungroup()

方法二：使用data.table（高效适合大数据） #

data.table的语法更简洁，处理大数据集时速度优势明显：

library(data.table)

setDT(df)  # 将普通数据框转为data.table格式

# 直接按条件匹配替换
df[date == "2022-04-11", count := df[.(grp1, grp2, grp3, "2022-04-04"), on = .(grp1, grp2, grp3, date), count]]
df[date == "2022-04-12", count := df[.(grp1, grp2, grp3, "2022-04-05"), on = .(grp1, grp2, grp3, date), count]]

补充：基础R方法（无需额外包） #

如果不想加载第三方包，也可以用ave函数结合条件判断实现：

df$count <- as.numeric(df$count)

df$count <- ave(df$count, df$grp1, df$grp2, df$grp3, FUN = function(x) {
  group_dates <- df$date[df$grp1 == unique(df$grp1) & df$grp2 == unique(df$grp2) & df$grp3 == unique(df$grp3)]
  x[group_dates == "2022-04-11"] <- x[group_dates == "2022-04-04"]
  x[group_dates == "2022-04-12"] <- x[group_dates == "2022-04-05"]
  x
})

不过这种写法不如前两种简洁，适合无法加载第三方包的场景。

内容的提问来源于stack exchange，提问作者user2813606