如何用across、starts_with和ifelse批量处理两组关联变量？

原始数据 #

library(dplyr)
data_test = data.frame(va_te=c("yes", "", "no", "yes"),
           va_ti=c("no", "", "yes", "no"),
           va_ze=c("", "no", "yes", "no"),
           jk_te=c(NA, 545, 876, 987),
           jk_ti=c(876, 567, 908, 432),
           jk_ze=c(987, 988, NA, 234),
           loc=c(345, 898, 444, 321))

data_test
#   va_te va_ti va_ze jk_te jk_ti jk_ze loc
# 1   yes    no          NA   876   987 345
# 2                no   545   567   988 898
# 3    no   yes   yes   876   908    NA 444
# 4   yes    no    no   987   432   234 321

需求说明 #

需要对前6个变量分两组处理：

• va_开头的变量：已用across+starts_with+ifelse将空字符串转为NA；
• jk_开头的变量：每个jk_变量需关联对应后缀的va_变量做判断（如jk_te对应va_te），规则为：
  • 若对应va_变量不等于"yes"，则jk_变量设为NA；
  • 若对应va_变量等于"yes"且jk_变量本身是NA，用loc列的值填充；
  • 其他情况保留jk_变量原值。
    目前只能逐个编写mutate语句，希望实现批量处理。

解决方案 #

利用across结合cur_column()提取jk_变量的后缀，匹配对应的va_变量，即可实现批量处理：

data_test_2 = data_test %>%
  # 处理va_开头的变量，空字符串转NA
  mutate(across(starts_with("va_"), ~ ifelse(.x == "", NA, .x))) %>%
  # 批量处理jk_开头的变量
  mutate(across(starts_with("jk_"), 
                ~ {
                  # 获取当前jk列对应的va列名称
                  va_col = paste0("va_", stringr::str_remove(cur_column(), "jk_"))
                  va_val = get(va_col)
                  # 应用判断逻辑
                  ifelse(va_val != "yes", NA,
                         ifelse(va_val == "yes" & is.na(.x), loc, .x))
                }, .names = "{col}"))

data_test_2
#   va_te va_ti va_ze jk_te jk_ti jk_ze loc
# 1   yes    no  <NA>   345    NA    NA 345
# 2  <NA>  <NA>    no    NA    NA    NA 898
# 3    no   yes   yes    NA   908   444 444
# 4   yes    no    no   987    NA    NA 321

思路解释 #

1. cur_column()获取当前正在处理的jk_列名称；
2. stringr::str_remove去掉前缀"jk_"，拼接得到对应的va_列名称；
3. get()获取对应va_列的数值，实现两列的关联判断；
4. 将原逐个编写的ifelse逻辑嵌入across的处理函数中，完成所有jk_列的批量处理。

内容的提问来源于stack exchange，提问作者Av65