r - 对列应用函数，结果不会根据函数的结果替换列值

Question

(这基本上是图片中的数据框)

structure(list(mz = c(40, 50, 60, 70, 80, 90), 
`sample in1` = c(10, 51, 125, 99, 675, 12), 
`sample in2` = c(9, 51, 125, 105, 2424, 5),
`Sample in3` = c(1, 51, 125, 300, 1241, 0.02), 
`blank 1` = c(5, 20, 50, 68, 0, 0),
`blank 2` = c(10, 20, 50, 77, 0, 0),
`blank 3` = c(15, 20, 50, 89, 0, 0.01)), 
row.names = c(NA, -6L), class = c("tbl_df", "tbl", "data.frame"))

我有一个超过 50 列和 50,000 行的大型数据框，但这是我所拥有的数据框的简化版本。

我基本上需要做的是将“空白”列总结为一列。我已经成功地做到了这一点，在所有空白列上使用 RowMeans。 接下来，我想对数据框中的每个样本值应用一个函数，该函数是:样本值/该特定行的所有空白列的平均值 = Ratio SB。 棘手的部分是:我不希望这个函数的结果替换样本的列值。 我想要做的是 (1) 保持列值不变，如果 SB 比率大于设定限制(例如:比率 SB>2.5，应保持列值不变)。 OR (2) 如果 SB 比率的结果小于设定限制(例如:如果 SB 比率 <2.5，则针对该特定列值返回 0)，则返回 0(或 NA)。 最后 (3)，该函数不应在样本上运行(或保留样本值不变)，以防数据帧中该行的平均空白值 = 0(如图 1 中倒数第二行的情况)

这些是我的代码的 3 个基本要素。 输出应该仍然是一个数据帧，当将其应用到图 1 所示的数据帧时，在运行我想要执行的函数时，数据帧中应该发生以下更改。

应用代码后应该是这样的:

structure(list(mz = c(40, 50, 60, 70, 80, 90), 
`sample in1` = c(NA, 51, NA, NA, 675, 12), 
`sample in2` = c(NA, 51, NA, NA, 2424, 5),
`Sample in3` = c(NA, 51, NA, 300, 1241, NA), 
`Blank Average` = c(10, 20, 50, 78, NA, 0.00333333),
row.names = c(NA, -6L), class = c("tbl_df", "tbl", "data.frame"))

到目前为止，我尝试使用 case_when，但为此我需要恢复到列表结构，并且显然无法将其应用于数据帧。 我还尝试过:Ratio_X <-样本/平均空白数据帧[Ratio_x<2]<-0并尝试使用apply和map_dfc，但都没有成功。我可能做了一些非常错误的事情，如果有人对我有任何提示或解决方案，我会很高兴:)

如果有任何不清楚的地方，我深表歉意，我是 R 和堆栈溢出的完全初学者。如果您需要更多信息，请告诉我。预先感谢!

Answer 1

这是一个基本的 R 方法:

#Get all the columns which has 'blank' in it
blank_cols <- grep('blank', names(df))
#Get all the columns which has 'sample' in it. 
#Using `ignore.case` because you have "Sample" in 3rd column
sample_cols <- grep('sample', names(df), ignore.case = TRUE)
#Threshold limit to check for
thresh <- 2.5

#Get mean of blank_cols
df$Blank_avg <- rowMeans(df[, blank_cols], na.rm = TRUE)
#Compare sample_cols with the mean, replace them by NA if they are below thresh
df[sample_cols][sweep(df[sample_cols], 1, df1$Blank_avg, `/`) <= thresh] <- NA
#Turn Blank_avg to NA where Blank_avg = 0
df$Blank_avg[df$Blank_avg == 0] <- NA
#Remove blank_cols
result <- df[, -blank_cols]
result
# A tibble: 6 x 5
#     mz `sample in1` `sample in2` `Sample in3` Blank_avg
#  <dbl>        <dbl>        <dbl>        <dbl>     <dbl>
#1    40           NA           NA        NA     10      
#2    50           51           51        51     20      
#3    60           NA           NA        NA     50      
#4    70           NA           NA       300     78      
#5    80          675         2424      1241     NA      
#6    90           12            5       0.02   0.00333