如何按前缀条件批量处理tibble并编写通用函数？

需求说明 #

• 对tibble每行执行如下规则：
  • 若某前缀（如a或b）的纯前缀列值为1，且该前缀下其余列均为0，则将该前缀下所有列重编码为1
  • 若该前缀下任意列已为1，则保持该前缀下所有列不变
• 处理完成后删除所有纯前缀列（如a、b列）

可复现示例数据 #

library(tibble)

original_df <- tibble(
  a = c(1, 1, 0, 0, 1),
  a.1 = c(0, 0, 1, 0, 1),
  a.2 = c(0, 0, 0, 1, 0),
  b = c(0, 0, 0, 0, 1),
  b.1 = c(0, 0, 0, 1, 0),
  b.2 = c(0, 0, 0, 0, 0)
)

original_df
#> # A tibble: 5 × 6
#>       a   a.1   a.2     b   b.1   b.2
#>   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
#> 1     1     0     0     0     0     0
#> 2     1     0     0     0     0     0
#> 3     0     1     0     0     0     0
#> 4     0     0     1     0     1     0
#> 5     1     1     0     1     0     0

预期处理结果 #

expected_df <- tibble(
  a.1 = c(1, 0, 1, 0, 1),
  a.2 = c(1, 0, 0, 1, 0),
  b.1 = c(0, 0, 0, 1, 1),
  b.2 = c(0, 0, 0, 0, 1)
)

expected_df
#> # A tibble: 5 × 4
#>    a.1   a.2   b.1   b.2
#>  <dbl> <dbl> <dbl> <dbl>
#> 1     1     1     0     0
#> 2     0     0     0     0
#> 3     1     0     0     0
#> 4     0     1     1     0
#> 5     1     0     1     1

通用解决方案函数 #

以下是适配任意前缀数量、任意前缀列数的通用函数：

library(dplyr)
library(stringr)

process_prefix_cols <- function(df) {
  # 提取所有纯前缀列（默认匹配纯字母列名，可根据需求修改正则）
  prefixes <- df %>%
    select(where(~ str_detect(colnames(df)[cur_column()], "^[a-zA-Z]+$"))) %>%
    colnames()
  
  # 遍历每个前缀处理
  for (prefix in prefixes) {
    # 获取当前前缀的所有列（含纯前缀列和带后缀的列）
    prefix_cols <- str_subset(colnames(df), paste0("^", prefix, "(\\.|$)"))
    # 拆分纯前缀列和带后缀列
    base_col <- prefix
    suffix_cols <- setdiff(prefix_cols, base_col)
    
    # 判断每行是否满足重编码条件：纯前缀列为1，且同前缀其余列全为0
    need_recode <- df[[base_col]] == 1 & rowSums(df[suffix_cols]) == 0
    
    # 对满足条件的行重编码
    df <- df %>%
      mutate(across(all_of(suffix_cols), ~ ifelse(need_recode, 1, .x)))
  }
  
  # 删除所有纯前缀列，返回结果
  df %>% select(-all_of(prefixes))
}

函数测试 #

将示例数据传入函数验证结果：

processed_df <- process_prefix_cols(original_df)
processed_df
#> # A tibble: 5 × 4
#>    a.1   a.2   b.1   b.2
#>  <dbl> <dbl> <dbl> <dbl>
#> 1     1     1     0     0
#> 2     0     0     0     0
#> 3     1     0     0     0
#> 4     0     1     1     0
#> 5     1     0     1     1

# 验证与预期结果一致
all.equal(processed_df, expected_df)
#> [1] TRUE

函数说明 #

• 自动识别纯字母列名为前缀，若你的前缀包含下划线、数字等，可修改str_detect中的正则表达式（比如改成^[a-zA-Z0-9_]+$）
• 对每个前缀分组单独判断处理，无需提前指定前缀数量或列数
• 仅对满足条件的行执行重编码，其余行保持原始值不变

内容的提问来源于stack exchange，提问作者T. C. Nobel