如何将一个数据帧列中的N值替换为任意N和任意n(行)的值？

Question

我有包含年龄差异列(AgeDiff)的数据帧。数据框架看起来如下：

library("dplyr")

test <- data.frame("Age1"=c(42, 48, 58, 25, 53, 55, 32, 58, 71, 24, 48, 48, 64, 55, 45, 55, 34, 33, 51, 22), 
                   "Age2"=c(8, 2, 1, 16, 14, 1, 11, 14, 0, 5, 2, 10, 16, 13, 3, 4, 8, 13, 8, 5)) 
test <- test %>%
mutate(AgeDiff = Age1 - Age2)

对于我正在编写的函数，用户可以输入拒绝最小差和/或拒绝最大差。任何小于/大于任一阈值的年龄差异都会造成“范围外”的年龄差异。

在我所做的工作中，任何小于18岁或54岁以上的年龄差异都是“超出范围”的。巧合的是(我对这两组年龄都使用了随机数生成器)，正好有两个年龄差异太小，两个年龄差异太老。

例如，通过比较，我可以找到“太年轻”或“太老”的最大值。

TooYoung <- test %>%
filter(AgeDiff < 18) %>%
summarise(Count = n()) %>%
pull(Count)

使用

TooOld <- test %>%
filter(AgeDiff > 54) %>%
summarise(Count = n()) %>%
pull(Count)

然后计算出哪个值更大。TooYoung和TooOld越大，我需要在test数据中交换的行数就越多。

我可以(预)对test数据帧进行排序，以便AgeDiff的值正在上升：

test <- test %>%
arrange(AgeDiff)

这给了我想要的顺序，数据帧从最极端的AgeDiff最小到最极端的AgeDiff最大值排序。现在，我要做的是将最上面和最底部的Age1值替换为TooYoung和TooOld的最大值。因为我在这个示例中有2作为我的最大“范围外”最小值/最大值，所以我需要交换：

• Age1在第1行，Age1在行，20
• Age1在第2行，Age1在第19行，

如果交换导致“超出作用域”AgeDiff，这并不重要。

交换区的数据帧可以是任意长度。要进行的掉期数量可以是任意数字，包括0。所以问题是，对于任何>0的交换值，

• Age1在第1行，在nrow(foo)
• Age1中使用Age1，在第2行中使用Age1，这样就可以获得要进行的交换的数量。

AgeDiff将在掉期交易完成后重新计算。我的数据框架中还有其他变量，如Sex，因此只交换Age1值至关重要。

行的重新排序并不重要。唯一的要求是解决方案需要交换正确的Age1值对。

我曾寻找过类似的问题，但我发现的问题完全不同。其他的问题是a two-row swap for an initial percentage of the data frame，a swap of two known values for each other，swapping entire rows，swap of two randomly selected rows，value swaps based on grouping variables。在我的问题中，掉期的数量将被确定地计算出来，但是不同的种群之间的数量是不同的，交换的Age1值会有所不同，交换的Age1值必须是最大的“范围外”计数，并且没有分组变量。

编辑以添加:假设您拥有我的数据并完成了安排，您将看到第1行如下所示：

Age1    Age2    AgeDiff
25      16      9

第20行看起来如下：

Age1    Age2    AgeDiff
71      0       71

Post交换后这两行将是:第1行：

Age1    Age2    AgeDiff
71      16      9

第20行：

Age1    Age2    AgeDiff
25      0       71

因此，只交换两个Age1值。

然后，第2行和第19行交换，以

第2行

Age1    Age2    AgeDiff
58      5       17

第19行

Age1    Age2    AgeDiff
22      1       57

AgeDiff列在完成交换后重新计算时会被忽略。

(我也错过了最初的数据框架也应该被称为test，我现在已经修正了。)

Answer 1

我肯定有更整洁的方法，但是.

library("dplyr")
test <- data.frame("Age1"=c(42, 48, 58, 25, 53, 55, 32, 58, 71, 24, 48, 48, 64, 55, 45, 55, 34, 33, 51, 22), 
                   "Age2"=c(8, 2, 1, 16, 14, 1, 11, 14, 0, 5, 2, 10, 16, 13, 3, 4, 8, 13, 8, 5)) 
test <- test %>%
  mutate(AgeDiff = Age1 - Age2) %>% 
  arrange(AgeDiff) %>% 
  dplyr::mutate(row_no = row_number())
test

swap <- function(df) {
  TooYoung <- df %>%
    filter(AgeDiff < 18) %>%
    summarise(Count = n()) %>%
    pull(Count)
  
  TooOld <- df %>%
    filter(AgeDiff > 54) %>%
    summarise(Count = n()) %>%
    pull(Count)
  
  top_bottom <- max(TooYoung, TooOld)
  
  df2 <- df %>% 
    filter(row_number() > max(row_number()) - top_bottom | row_number() <= top_bottom) %>% 
    mutate(final_age1 = Age1) %>% 
    dplyr::select(final_age1, row_no)
  df2$row_no <- sort(df2$row_no, decreasing = T)
  
  df_final <- df %>% 
    left_join(df2) %>% 
    mutate(final_age1 = ifelse(is.na(final_age1), Age1, final_age1)) %>% 
    dplyr::select(-Age1, -row_no)
             
  df_final
}
swap(test)

我觉得这给了你你想要的？

# Joining, by = "row_no"
#    Age2 AgeDiff final_age1
# 1    16       9         71
# 2     5      17         58
# 3     5      19         24
# 4    13      20         33
# 5    11      21         32
# 6     8      26         34
# 7     8      34         42
# 8    10      38         48
# 9    14      39         53
# 10   13      42         55
# 11    3      42         45
# 12    8      43         51
# 13   14      44         58
# 14    2      46         48
# 15    2      46         48
# 16   16      48         64
# 17    4      51         55
# 18    1      54         55
# 19    1      57         22
# 20    0      71         25