Как сравнить значения фрейма данных с именами столбцов и установить NA для нескольких столбцов

Question

У меня есть фрейм данных, который выглядит следующим образом:

   YEAR X1990_lu X2000_lu X2010_lu     soil    water
1  1990 215.0310 215.0310 215.0310 3.588198 5.287578
2  2007 415.3221 415.3221 415.3221 8.094746 5.788305
3  1994 263.5908 263.5908 263.5908 4.680792 5.408977
4  2010 453.2070 453.2070 453.2070 8.947157 5.883017
5  2012 476.1869 476.1869 476.1869 9.464206 5.940467
6  1981 118.2226 118.2226 118.2226 1.410008 5.045556
7  1998 311.2422 311.2422 311.2422 5.752949 5.528105
8  2011 456.9676 456.9676 456.9676 9.031771 5.892419
9  1999 320.5740 320.5740 320.5740 5.962915 5.551435
10 1995 282.6459 282.6459 282.6459 5.109533 5.456615
11 2013 482.7333 482.7333 482.7333 9.611500 5.956833
12 1995 281.3337 281.3337 281.3337 5.080007 5.453334
13 2003 371.0283 371.0283 371.0283 7.098136 5.677571
14 2000 329.0534 329.0534 329.0534 6.153701 5.572633
15 1983 141.1699 141.1699 141.1699 1.926322 5.102925

Мне нужно установить любой столбец с _lu в имени на NA, если соответствующая числовая часть имени столбца больше, чемзначение ГОД для этой строки.Я могу сделать это для каждого отдельного столбца, используя приведенный ниже код, где я извлекаю числовую часть имен столбцов _lu и создаю числовой вектор для сравнения с ГОДОМ.Но можно ли это сделать для всех столбцов, используя операторы apply или, возможно, map?

## make example data
set.seed(123)
soil <- runif(15,1,10)
set.seed(123)
water <- runif(15,5,6)
set.seed(123)
X1990_lu <- runif(15,100,500)
set.seed(123)
X2000_lu <- runif(15,100,500)
set.seed(123)
X2010_lu <- runif(15,100,500)
set.seed(123)
YEAR <- as.integer(runif(15,1980,2015))

data <- data.frame(YEAR, X1990_lu, X2000_lu, X2010_lu, soil, water)

# extract the column indices of the landuse columns
lucolsind <- grep("_lu", names(data))
# remove the x from each landuse column name
colnames(data)[lucolsind] <- substring(names(data[,lucolsind]), 2)
# get the column names
lucolnms <- names(data[,lucolsind])
# get the column names as a split list
lucolnms_lst <- strsplit(names(data[,lucolsind]), c("_"))
# extract just the year indicator
luyears <- unlist(lapply(lucolnms_lst, `[[`, 1))

# set the first LU column to NA where year is less than the lu year
data[,lucolsind[1]] <- ifelse(data$YEAR < luyears[1], NA, data[,lucolsind[1]])

Вот как это выглядит после обработки только первого _lu столбца

   YEAR  1990_lu  2000_lu  2010_lu     soil    water
1  1990 215.0310 215.0310 215.0310 3.588198 5.287578
2  2007 415.3221 415.3221 415.3221 8.094746 5.788305
3  1994 263.5908 263.5908 263.5908 4.680792 5.408977
4  2010 453.2070 453.2070 453.2070 8.947157 5.883017
5  2012 476.1869 476.1869 476.1869 9.464206 5.940467
6  1981       NA 118.2226 118.2226 1.410008 5.045556
7  1998 311.2422 311.2422 311.2422 5.752949 5.528105
8  2011 456.9676 456.9676 456.9676 9.031771 5.892419
9  1999 320.5740 320.5740 320.5740 5.962915 5.551435
10 1995 282.6459 282.6459 282.6459 5.109533 5.456615
11 2013 482.7333 482.7333 482.7333 9.611500 5.956833
12 1995 281.3337 281.3337 281.3337 5.080007 5.453334
13 2003 371.0283 371.0283 371.0283 7.098136 5.677571
14 2000 329.0534 329.0534 329.0534 6.153701 5.572633
15 1983       NA 141.1699 141.1699 1.926322 5.102925

Answer 1

Подход 'Tidyverse', который использует изменение формы для сравнения значений, представляющих интерес, с соответствующей датой в строке имени столбца строка за строкой:

dt = read.table(text = "
YEAR X1990_lu X2000_lu X2010_lu     soil    water
1  1990 215.0310 215.0310 215.0310 3.588198 5.287578
2  2007 415.3221 415.3221 415.3221 8.094746 5.788305
3  1994 263.5908 263.5908 263.5908 4.680792 5.408977
4  2010 453.2070 453.2070 453.2070 8.947157 5.883017
5  2012 476.1869 476.1869 476.1869 9.464206 5.940467
6  1981 118.2226 118.2226 118.2226 1.410008 5.045556
7  1998 311.2422 311.2422 311.2422 5.752949 5.528105
8  2011 456.9676 456.9676 456.9676 9.031771 5.892419
9  1999 320.5740 320.5740 320.5740 5.962915 5.551435
10 1995 282.6459 282.6459 282.6459 5.109533 5.456615
11 2013 482.7333 482.7333 482.7333 9.611500 5.956833
12 1995 281.3337 281.3337 281.3337 5.080007 5.453334
13 2003 371.0283 371.0283 371.0283 7.098136 5.677571
14 2000 329.0534 329.0534 329.0534 6.153701 5.572633
15 1983 141.1699 141.1699 141.1699 1.926322 5.102925
", header=T)

library(tidyverse)

dt %>%
  gather(var,value,-YEAR) %>%  
  mutate(value = ifelse(YEAR < as.numeric(gsub("\\D", "", var)) & !is.na(as.numeric(gsub("\\D", "", var))), NA, value)) %>%
  group_by(YEAR, var) %>%
  mutate(id = row_number()) %>%
  spread(var, value) %>% 
  select(-id) %>%
  ungroup()

# # A tibble: 15 x 6
#   YEAR  soil water X1990_lu X2000_lu X2010_lu
#  <int> <dbl> <dbl>    <dbl>    <dbl>    <dbl>
# 1  1981  1.41  5.05      NA       NA       NA 
# 2  1983  1.93  5.10      NA       NA       NA 
# 3  1990  3.59  5.29     215.      NA       NA 
# 4  1994  4.68  5.41     264.      NA       NA 
# 5  1995  5.11  5.46     283.      NA       NA 
# 6  1995  5.08  5.45     281.      NA       NA 
# 7  1998  5.75  5.53     311.      NA       NA 
# 8  1999  5.96  5.55     321.      NA       NA 
# 9  2000  6.15  5.57     329.     329.      NA 
# 10  2003  7.10  5.68     371.     371.      NA 
# 11  2007  8.09  5.79     415.     415.      NA 
# 12  2010  8.95  5.88     453.     453.     453.
# 13  2011  9.03  5.89     457.     457.     457.
# 14  2012  9.46  5.94     476.     476.     476.
# 15  2013  9.61  5.96     483.     483.     483.

Answer 2

Можно использовать sapply в конце столбца _lu.Это может быть достигнуто как:

df[,grepl("_lu$",names(df))] <- 
  sapply(grep("_lu$",names(df), value = TRUE), function(x){
  # Convert column names to numeric and compare with YEAR value of that row
  x = ifelse(df$YEAR < as.numeric(gsub("X(\\d+)_lu","\\1",x)), NA, df[,x])
  x
})

df
#    YEAR X1990_lu X2000_lu X2010_lu     soil    water
# 1  1990 215.0310       NA       NA 3.588198 5.287578
# 2  2007 415.3221 415.3221       NA 8.094746 5.788305
# 3  1994 263.5908       NA       NA 4.680792 5.408977
# 4  2010 453.2070 453.2070 453.2070 8.947157 5.883017
# 5  2012 476.1869 476.1869 476.1869 9.464206 5.940467
# 6  1981       NA       NA       NA 1.410008 5.045556
# 7  1998 311.2422       NA       NA 5.752949 5.528105
# 8  2011 456.9676 456.9676 456.9676 9.031771 5.892419
# 9  1999 320.5740       NA       NA 5.962915 5.551435
# 10 1995 282.6459       NA       NA 5.109533 5.456615
# 11 2013 482.7333 482.7333 482.7333 9.611500 5.956833
# 12 1995 281.3337       NA       NA 5.080007 5.453334
# 13 2003 371.0283 371.0283       NA 7.098136 5.677571
# 14 2000 329.0534 329.0534       NA 6.153701 5.572633
# 15 1983       NA       NA       NA 1.926322 5.102925

Данные:

df <- read.table(text = 
"   YEAR X1990_lu X2000_lu X2010_lu     soil    water
1  1990 215.0310 215.0310 215.0310 3.588198 5.287578
2  2007 415.3221 415.3221 415.3221 8.094746 5.788305
3  1994 263.5908 263.5908 263.5908 4.680792 5.408977
4  2010 453.2070 453.2070 453.2070 8.947157 5.883017
5  2012 476.1869 476.1869 476.1869 9.464206 5.940467
6  1981 118.2226 118.2226 118.2226 1.410008 5.045556
7  1998 311.2422 311.2422 311.2422 5.752949 5.528105
8  2011 456.9676 456.9676 456.9676 9.031771 5.892419
9  1999 320.5740 320.5740 320.5740 5.962915 5.551435
10 1995 282.6459 282.6459 282.6459 5.109533 5.456615
11 2013 482.7333 482.7333 482.7333 9.611500 5.956833
12 1995 281.3337 281.3337 281.3337 5.080007 5.453334
13 2003 371.0283 371.0283 371.0283 7.098136 5.677571
14 2000 329.0534 329.0534 329.0534 6.153701 5.572633
15 1983 141.1699 141.1699 141.1699 1.926322 5.102925",
header = TRUE, stringsAsFactors = FALSE)