R语言dplyr如何按行按条件随机选择取值创建新变量

规则回顾 #

需要生成new_regsiege变量，逐行满足以下逻辑：

• 若当前行regsiege取值为XX，且同列组中nbeta_regXX的取值大于0，则new_regsiege直接取原regsiege值
• 若当前行regsiege取值为XX，且同列组中nbeta_regXX的取值等于0，则new_regsiege从当前行所有nbeta_reg前缀列取值大于0对应的区域编号中，随机抽取1个作为结果

示例测试数据 #

mydf <- data.frame(
  regsiege = c("11","24","93"),
  nbeta_reg11 = c(0,1,0),
  nbeta_reg24 = c(1,1,0),
  nbeta_reg93 = c(1,1,1)
)

完整可运行代码 #

library(dplyr)

mydf %>%
  rowwise() %>%
  mutate(
    # 提取当前行所有nbeta值大于0的有效区域编号，作为随机抽取的候选池
    valid_reg_pool = gsub(
      "nbeta_reg", "", 
      names(.)[startsWith(names(.), "nbeta_reg")][c_across(starts_with("nbeta_reg")) > 0]
    ),
    # 读取当前regsiege对应的nbeta取值
    current_match_val = c_across(paste0("nbeta_reg", regsiege)),
    # 按规则赋值
    new_regsiege = if_else(
      current_match_val > 0,
      regsiege,
      sample(valid_reg_pool, size = 1)
    )
  ) %>%
  # 移除中间计算用的临时列，解除按行分组
  select(-valid_reg_pool, -current_match_val) %>%
  ungroup()

逻辑说明 #

• 开启rowwise()按行计算模式，保证每行的候选池、判断逻辑独立运行，不会跨行取值
• 用starts_with("nbeta_reg")批量匹配所有区域值列，不需要硬编码列名，后续新增区域列时代码不需要修改
• c_across()是dplyr中按行合并多列值的专用函数，适配rowwise模式下的批量列操作
• 提前计算有效候选池valid_reg_pool，避免重复判断，代码可读性更高
• 随机抽取用基础R的sample()函数，设置抽取大小为1，满足等概率随机选值的要求

运行结果和预期完全一致：第二行、第三行因为原regsiege对应nbeta值大于0，固定返回原regsiege值；第一行原regsiege对应nbeta值为0，会从"24"和"93"中随机选一个，符合预期要求。

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