如何根据重复的case列修改data.table中的exclusion列值？

需求说明 #

现有含重复case项的data.table，包含1个case列与4个值为TRUE/FALSE的排除列（exclusion列）。需按以下规则处理每个case分组下的排除列：

• 若某排除列同时存在TRUE和FALSE，将该列所有TRUE替换为FALSE
• 若某排除列全为TRUE或全为FALSE，保持原数据不变

实现代码 #

1. 示例数据准备 #

library(data.table)
# 构造测试数据
dt <- data.table(
  case = c(1,1,2,2,3,3),
  excl1 = c(TRUE, FALSE, TRUE, TRUE, TRUE, TRUE),
  excl2 = c(FALSE, FALSE, TRUE, FALSE, TRUE, FALSE),
  excl3 = c(TRUE, TRUE, FALSE, FALSE, FALSE, FALSE),
  excl4 = c(FALSE, TRUE, TRUE, TRUE, FALSE, FALSE)
)

2. 批量处理排除列 #

# 指定需要处理的排除列名称
excl_cols <- c("excl1", "excl2", "excl3", "excl4")

# 按case分组，批量修正每个排除列
dt[, (excl_cols) := lapply(.SD, function(col) {
  # 判断当前列是否同时存在TRUE和FALSE
  has_both_values <- uniqueN(col) == 2
  if (has_both_values) {
    # 将TRUE替换为FALSE，FALSE保持不变
    fifelse(col == TRUE, FALSE, col)
  } else {
    # 无混合值，返回原列
    col
  }
}), by = case, .SDcols = excl_cols]

3. 按case去重（可选） #

处理完成后，直接按case去重即可得到唯一记录：

unique_dt <- unique(dt, by = "case")

代码说明 #

• .SDcols：指定需要处理的目标列，.SD代表这些列组成的数据子集
• uniqueN(col)：高效计算列中唯一值的数量，判断是否存在混合的TRUE/FALSE
• fifelse：data.table专属的条件替换函数，性能优于base包的ifelse
• 分组操作by = case：确保每个case下的列独立处理

内容的提问来源于stack exchange，提问作者Flow91