时间戳

首页 > 解决方案 > 使用数据值（字典）。R中的数据帧和重新编码

r - 使用数据值（字典）。R中的数据帧和重新编码

问题描述

我正在尝试使用包含 30 个左右变量的 data.frame。这些变量都有不同的数值（例如，“0”或“32”）。数值映射到字符串（例如，在变量 Q1 中，“0”是“Urban”；在变量 Q6 中，“32”是“不可用”）。

我在网上看到了 recode 的一些用法，以及一个执行此映射的旧plyr包以及match函数，但我没有找到任何与我所拥有的确切结构匹配的东西。

我在下面提供了一个可重现的示例：

  test <- as.data.frame(c("1", "2", "3"))
  colnames(test) <- "Q1"
    
  dictionary <- as.data.frame(c("1", "2", "3"))
  dictionary$values <- c("dog", "fish", "cat")
  dictionary$question <- c("Q1", "Q1", "Q1")
  colnames(dictionary)[1] <- "keys"

因此，这里dictionary$question包含要映射到的问题；然后“键”和“值”提供映射。因此，在测试数据框中，我有一个变量 ( Q1)，它采用三个可能的值，“1”、“2”或“3”。我需要将这些映射回“狗”、“鱼”、“猫”。

但我需要一种自动方法将目标数据框中的列映射到字典中的行，然后翻译这些值，因为实际上我有超过 1000 个可能的值和 30 个变量。

编辑：我期望的是这样的函数或命令：

fun(test, dictionary)

输出：一个带有c("dog", "fish", "cat").

或者，如果 test 是c("1", "1", "1")，它将是c("dog", "dog", "dog")

标签： rdictionarymatch

解决方案

如果有很多列，则循环across“测试”列，匹配并替换从subset“字典”创建的命名向量中的值，其中“问题”与相应的列名 ( cur_column()) 匹配，然后用于coalesce填充任何 NA 值具有原始数据值

library(dplyr)
library(tibble)
test %>%
      mutate(across(everything(), ~ 
     coalesce(deframe(subset(dictionary, question == cur_column(), 
          select= -question))[as.character(.)], as.character(.))))
    Q1
1  dog
2 fish
3  cat

或者为了防止多次调用as.character，执行一次

test %>%
   mutate(across(everything(), as.character),
          across(everything(), 
           ~coalesce(deframe(subset(dictionary, question == cur_column(), 
          select= -question))[.], .)))
 Q1
1  dog
2 fish
3  cat

或使用base R

lst1 <- split(dictionary[-3], dictionary$question)
test[names(lst1)] <- Map(function(x, y) {
    tmp <- with(y,  setNames(values, keys)[as.character(x)])
     tmp[is.na(tmp)] <- x[is.na(tmp)]
     tmp}, test[names(lst1)], lst1)

推荐阅读