r语言 - dplyr以编程方式过滤多个逻辑列的最佳实践

Question

要解决的问题

我需要两个函数来实现和/或基于可能包含缺失值的列指示器(即逻辑)的标签上的过滤器。函数的实参应该是要考虑的列的字符向量。

<标题>我的解决方案

filter_checked <- function(db, vars = NULL) {
db %>%
dplyr::filter(
dplyr::if_all(dplyr::all_of(vars), ~ !is.na(.x) & .x)
)
}

filter_or_checked <- function(db, vars = NULL) {
db %>%
dplyr::filter(
dplyr::if_any(dplyr::all_of(vars), ~ !is.na(.x) & .x)
)
}

通过的示例测试

test_that("filter checks", {
foo <- tibble::tibble(
id = 1:5,
a = c(TRUE, TRUE, FALSE, FALSE, FALSE),
b = c(NA, TRUE, NA, TRUE, NA)
)

expect_equal(filter_checked(foo)[["id"]], 1:5)
expect_equal(filter_checked(foo, "a")[["id"]], 1:2)
expect_equal(filter_checked(foo, "b")[["id"]], c(2, 4))
expect_equal(filter_checked(foo, c("a", "b"))[["id"]], 2)
})

test_that("filter_or_checks", {
foo <- tibble::tibble(
id = 1:5,
a = c(TRUE, TRUE, FALSE, FALSE, FALSE),
b = c(NA, TRUE, NA, TRUE, NA)
)

expect_equal(filter_or_checked(foo)[["id"]], integer(0))
expect_equal(filter_or_checked(foo, "a")[["id"]], 1:2)
expect_equal(filter_or_checked(foo, "b")[["id"]], c(2, 4))
expect_equal(filter_or_checked(foo, c("a", "b"))[["id"]], c(1, 2, 4))
})

<标题>

我的问题在我看来，我的函数似乎太复杂了。无论如何，我认为这是我的知识不足。那么，是否有更好的(即更容易阅读/理解/教授的)解决方案来解决这个问题?

Answer 1

如果你觉得你的代码很有趣。

要回答这个问题，我有一个解决方案，当你有很多布尔值(至少三个或更多)时，将它们全部转换为一个列，0 (FALSE)和1 (TRUE)，例如，对于五个布尔值，它看起来像这样:

00000
01000
11111
01001
11110

:

• 要知道是否所有的布尔值都为TRUE，您可以计算每个单元格中有多少个'1'，并要求有尽可能多的'1'作为列数
• 要知道是否至少有一列是TRUE只需搜索字符串'1'

在我的情况下，我没有考虑到缺失的值。但是你可以将它们重新编码为2。

最后，这涉及到更多的数据准备和一个不太复杂的函数(因为您不是在处理多个布尔值，而是只有一个字符串)。

代码应该是这样的:

library(dplyr)
# Prepare data, from your data 
foo <- tibble::tibble(
id = 1:5,
a = c(TRUE, TRUE, FALSE, FALSE, FALSE),
b = c(NA, TRUE, NA, TRUE, NA),
d_bis = c(TRUE, TRUE, FALSE, FALSE, FALSE),
e_bis = c(TRUE, TRUE, FALSE, FALSE, FALSE),
f_bis = c(TRUE, TRUE, FALSE, FALSE, FALSE)
) %>% 
mutate(a_bis = a, b_bis = b) %>% # copy columns to test
mutate_at(vars(ends_with('_bis')), as.integer) %>% # convert logicals to integers
mutate_at(vars(ends_with('_bis')), tidyr::replace_na, replace = 2) %>% # replace NA with 2
mutate(af_bis = paste0(a_bis, b_bis, d_bis, e_bis, f_bis))

# A tibble: 5 x 9
id a     b     d_bis e_bis f_bis a_bis b_bis af_bis
<int> <lgl> <lgl> <dbl> <dbl> <dbl> <dbl> <dbl> <chr> 
1     1 TRUE  NA        1     1     1     1     2 12111 
2     2 TRUE  TRUE      1     1     1     1     1 11111 
3     3 FALSE NA        0     0     0     0     2 02000 
4     4 FALSE TRUE      0     0     0     0     1 01000 
5     5 FALSE NA        0     0     0     0     2 02000 

# list rows where at least one is TRUE
foo %>% 
filter(grepl('1', af_bis))
# list rows where all columns are TRUE
foo %>% 
filter(stringr::str_count(af_bis, '1') == 5L)
# list where at least one column is TRUE only if all columns are not missing
foo %>% 
filter(grepl('1', af_bis) & ! grepl('2', af_bis))