R data frame中基于同列其他行值替换指定行数值的方法咨询

Python（pandas 实现） #

首先构造示例数据框：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Name': ['A', 'B', 'C'],
    'c1': [1, 0, 1],
    'c2': [2, 0, 1],
    'c3': [3, 0, 1],
    'c4': [4, 0, 1]
})

你可以自定义需要应用的函数，比如示例的2倍计算：

# 自定义计算函数，可按需修改逻辑
def calc_func(x):
    return 2 * x

接下来指定目标列，匹配对应行完成赋值即可：

# 指定需要更新的列
target_cols = ["c2", "c3", "c4"]
# 取A行目标列的值应用函数后，赋值给B行对应列
df.loc[df["Name"] == "B", target_cols] = df.loc[df["Name"] == "A", target_cols].apply(calc_func)

输出df即可得到你需要的结果。

R 实现 #

构造示例数据：

df <- data.frame(
  Name = c("A", "B", "C"),
  c1 = c(1, 0, 1),
  c2 = c(2, 0, 1),
  c3 = c(3, 0, 1),
  c4 = c(4, 0, 1)
)

自定义函数+赋值：

# 自定义计算函数
calc_func <- function(x) {
  return(2 * x)
}
target_cols <- c("c2", "c3", "c4")
# 赋值更新
df[df$Name == "B", target_cols] <- lapply(df[df$Name == "A", target_cols], calc_func)

注意事项 #

• 如果你的数据框行顺序是固定的，也可以直接用行索引替代Name匹配，比如pandas里用df.loc[1, target_cols]对应B行，不过用业务字段匹配兼容性更强，不会因为行序变化导致赋值错误。
• 函数可以自定义任意计算逻辑，不限于倍数运算。

内容的提问来源于stack exchange，提问作者Marc