如何在data.table中实现dplyr的ifelse(any(startsWith)逻辑？

问题分析 #

原dplyr代码核心是按行检查所有Tag列，完成三个操作：

1. 优先标记Position为"Goalkeeper"（若有Tag为"goalkeeper"），其次为"Striker"（若有Tag为"striker"）
2. 标记Favorite为TRUE（若有Tag为"favorite"）
3. 清除Tag列中指定的关键词，替换为NA

你的尝试中主要问题：

• 直接引用Tag列名（不存在该列），未正确指定所有Tag列集合
• any()默认对整列而非行判断，需要用行级统计逻辑
• grepl("striker", "^Tag")用法错误，未针对列值判断

完整正确的data.table代码 #

library(data.table)

# 构造示例数据
df <- data.table(
  Name = c("A", "B"),
  Tag1 = c("goalkeeper", NA),
  Tag2 = c(NA, "striker"),
  Tag3 = c(NA, "favorite")
)

# 获取所有Tag列名
tag_cols <- grep("^Tag", names(df), value = TRUE)

# 1. 生成Position列：优先匹配goalkeeper，其次striker
df[, Position := fcase(
  rowSums(.SD == "goalkeeper", na.rm = TRUE) > 0, "Goalkeeper",
  rowSums(.SD == "striker", na.rm = TRUE) > 0, "Striker",
  default = NA_character_
), .SDcols = tag_cols]

# 2. 生成Favorite列：判断是否有favorite标签
df[, Favorite := rowSums(.SD == "favorite", na.rm = TRUE) > 0, .SDcols = tag_cols]

# 3. 清理Tag列中的指定关键词
df[, (tag_cols) := lapply(.SD, function(x) fifelse(x %in% c("goalkeeper", "striker", "favorite"), NA_character_, x)), .SDcols = tag_cols]

# 查看结果（可选，保留Name/Position/Favorite列）
df[, .(Name, Position, Favorite)]

代码说明 #

1. tag_cols：通过正则匹配获取所有以Tag开头的列，避免硬编码列名
2. rowSums(.SD == "xxx", na.rm = TRUE) > 0：高效实现行级判断，统计每行中匹配关键词的数量（忽略NA），大于0即表示该行存在该关键词
3. fcase：data.table的多条件判断函数，比嵌套ifelse更简洁高效
4. fifelse：data.table版的ifelse，性能优于基础包的ifelse

输出结果 #

Name   Position Favorite
1:    A Goalkeeper    FALSE
2:    B    Striker     TRUE

内容的提问来源于stack exchange，提问作者user165426