创建一个新变量，该变量仅在R中满足条件时打印一系列列中的第一个值

Question

我正在尝试创建一个新变量，该变量仅在满足特定条件时才打印一系列列的第一个值。

为了澄清，我的数据库看起来像这样:

我想创建一个变量（main），仅当值不是以C00到C99开头时，才打印第一个var列中的值。如果值确实以该条件开头，那么我想在下一列测试该条件，直到满足条件并打印该值。

因此，对于上表，新创建的变量（main）应如下所示：

我不太确定从哪里开始，但我怀疑这可能涉及突变（）和ifelse（）

Answer 1

这将创建一个列，其中存储了所有不满足条件的值：来自akrun的数据：

library(tidyverse)

df1 %>% 
  mutate(across(var1:var4, ~case_when(str_detect(., "^C\\d+") ~ "",
                                      TRUE ~ .), .names = 'new_{col}')) %>%
  unite(New_Col, starts_with('new'), na.rm = TRUE, sep = ' ')

    var1    var2  var3  var4           New_Col
1   C7931   C3490 R0781   I10         R0781 I10
2    R079   R0600   I10 C3490   R079 R0600 I10 
3 S270XXA S225XXA C3490 C7931 S270XXA S225XXA  

Answer 2

我们可以使用grepl通过在每一行上循环来创建用于子集的逻辑向量。匹配的模式是C，后跟一个或多个数字（\\d），对逻辑向量求反（

df1$main <- apply(df1[startsWith(names(df1), "var")], 1, 
       function(x) x[!grepl("^C\\d+", x)][1])

与整洁，可以使用行与str_subset

library(dplyr)
library(stringr)
df1 %>% 
 rowwise %>% 
 mutate(main = first(str_subset(c_across(starts_with("var")), 
       regex("^C\\d+"), negate = TRUE))) %>%
 ungroup
# A tibble: 3 × 5
  var1    var2    var3  var4  main   
  <chr>   <chr>   <chr> <chr> <chr>  
1 C7931   C3490   R0781 I10   R0781  
2 R079    R0600   I10   C3490 R079   
3 S270XXA S225XXA C3490 C7931 S270XXA

df1 <- structure(list(var1 = c("C7931", "R079", "S270XXA"), var2 = c("C3490", 
"R0600", "S225XXA"), var3 = c("R0781", "I10", "C3490"), var4 = c("I10", 
"C3490", "C7931")), class = "data.frame", row.names = c(NA, -3L
))