r - 如何 lappy !is.na() 为 R data.table 赋值

Question

目标是在一行中的最后一个值后面用“-”填充 NA

# Like this
   SOURCE  X__2  X__3 X__4 X__5 X__6 X__7  X__8  X__9 INFO
1: 04.xlsx David David    -    -    -    -     -     -    A
2: 05.xlsx  <NA>  <NA>  Tom  Tom    -    -     -     -    B
3: 06.xlsx  <NA>  <NA> <NA> <NA> Mary Mary     -     -    C
4: 07.xlsx  <NA>  <NA> <NA> <NA> <NA> <NA> Peter Peter    D

# Sample data
dt <- data.table(SOURCE = c("04.xlsx","05.xlsx","06.xlsx","07.xlsx"),
                   X__2 = c("David",NA,NA,NA),
                   X__3 = c("David",NA,NA,NA),
                   X__4 = c(NA,"Tom",NA,NA),
                   X__5 = c(NA,"Tom",NA,NA),
                   X__6 = c(NA,NA,"Mary",NA),
                   X__7 = c(NA,NA,"Mary",NA),
                   X__8 = c(NA,NA,NA,"Peter"),
                   X__9 = c(NA,NA,NA,"Peter"),
                   INFO = LETTERS[1:4])

我尝试过但没有成功

# Find odd columns 
TAR_COL <- grep("X__",colnames(dt))[!c(TRUE,FALSE)]

dt[!is.na(TAR_COL),(TAR_COL):="-",.SDcols =TAR_COL]

该脚本在指定 col 时有效，但失去动态选择列的能力

#
dt[!is.na(X__3),(grep("X__3",names(dt))+1):(grep("INFO",names(dt))-1) := "-"][]

  SOURCE  X__2  X__3 X__4 X__5 X__6 X__7  X__8  X__9 INFO
1: 04.xlsx David David    -    -    -    -     -     -    A

由于真实数据集是从不同的xlsx数据导入的，动态选择奇数是必须的

是否有任何方法可以在矢量化列索引中应用!is.na()并赋值？

Answer 1

我们可以使用set。使用 set 循环遍历“TAR_COL”的列索引，指定列索引 (j) 和行索引 (i - 其中 NA位于该特定列中)，并将值设置为“-”

for(j in TAR_COL) set(dt, i = which(is.na(dt[[j]])), j= j, value = "-")
dt
#   SOURCE  X__2  X__3 X__4 X__5 X__6 X__7  X__8  X__9 INFO
#1: 04.xlsx David David <NA>    - <NA>    -  <NA>     -    A
#2: 05.xlsx  <NA>     -  Tom  Tom <NA>    -  <NA>     -    B
#3: 06.xlsx  <NA>     - <NA>    - Mary Mary  <NA>     -    C
#4: 07.xlsx  <NA>     - <NA>    - <NA>    - Peter Peter    D

此处，第 3、5、7、9 列的 NA 元素替换为 -

---

注意:!is.na(TAR_COL) 没有帮助，因为“TAR_COL”只是一个列索引

更新

根据OP的澄清，即替换NA必须从最后出现的值到“INFO”之前的最后一列水平进行，我们可以按照@markus在评论中建议的那样创建一个具有累积总和的索引

# get the column names that start with 'X__'
nms <- names(dt)[startsWith(names(dt), "X__")]
# change the i index with cumulative sum
for(j in nms) set(dt, i = which(cumsum(!is.na(dt[[j]])) == 0), j = j, value = "-")