关于r：根据查找表替换数据框中的值


Replace values in a dataframe based on lookup table

我在替换数据框中的值时遇到了一些麻烦。 我想替换基于单独表的值。 以下是我正在尝试做的一个例子。

我有一张桌子，每一行都是客户，每一列都是他们购买的动物。 让我们将此数据帧称为table。

1
2
3
4
5
> table
#       P1     P2     P3
# 1    cat lizard parrot
# 2 lizard parrot    cat
# 3 parrot    cat lizard

我还有一个要引用的表，称为lookUp。

1
2
3
4
5
> lookUp
#      pet   class
# 1    cat  mammal
# 2 lizard reptile
# 3 parrot    bird

我想做的是用一个函数创建一个名为new的新表，用lookUp中的class列替换table中的所有值。 我自己使用lapply函数尝试了此操作，但收到以下警告。

1
2
3
4
5
6
7
8
9
10
new <- as.data.frame(lapply(table, function(x) {
  gsub('.*', lookUp[match(x, lookUp$pet) ,2], x)}), stringsAsFactors = FALSE)

Warning messages:
1: In gsub(".*", lookUp[match(x, lookUp$pet), 2], x) :
  argument 'replacement' has length > 1 and only the first element will be used
2: In gsub(".*", lookUp[match(x, lookUp$pet), 2], x) :
  argument 'replacement' has length > 1 and only the first element will be used
3: In gsub(".*", lookUp[match(x, lookUp$pet), 2], x) :
  argument 'replacement' has length > 1 and only the first element will be used

关于如何进行这项工作的任何想法？

相关讨论

您在问题中发布了一种不错的方法。这是一个简单的方法：

1
2
3
new <- df  # create a copy of df
# using lapply, loop over columns and match values to the look up table. store in"new".
new[] <- lapply(df, function(x) look$class[match(x, look$pet)])

一种更快的替代方法是：

1
2
new <- df
new[] <- look$class[match(unlist(df), look$pet)]

请注意，在两种情况下，我都使用空括号([])保持new的结构不变(一个data.frame)。

(我在回答中使用的是df而不是table和look而不是lookup)

相关讨论

另一个选项是tidyr和dplyr的组合

1
2
3
4
5
6
library(dplyr)
library(tidyr)
table %>%
   gather(key ="pet") %>%
   left_join(lookup, by ="pet") %>%
   spread(key = pet, value = class)

每当您有两个单独的data.frame并尝试将信息从一个传递到另一个时，答案就是合并。

每个人在R中都有自己喜欢的合并方法。我的是data.table。

另外，由于您想对许多列执行此操作，因此melt和dcast会更快-而不是循环遍历列，将其一次应用于重新成形的表格，然后再次重新成形。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
library(data.table)

#the row names will be our ID variable for melting
setDT(table, keep.rownames = TRUE)
setDT(lookUp)

#now melt, merge, recast
# melting (reshape wide to long)
table[ , melt(.SD, id.vars = 'rn')    
       # merging
       ][lookup, new_value := i.class, on = c(value = 'pet')
         #reform back to original shape
         ][ , dcast(.SD, rn ~ variable, value.var = 'new_value')]
#    rn      P1      P2      P3
# 1:  1  mammal reptile    bird
# 2:  2 reptile    bird  mammal
# 3:  3    bird  mammal reptile

如果您发现dcast / melt有点令人生畏，这是一种循环遍历列的方法。 dcast / melt只是回避了此问题的循环。

1
2
3
4
5
6
7
setDT(table) #don't need row names this time
setDT(lookUp)

sapply(names(table), #(or to whichever are the relevant columns)
       function(cc) table[lookUp, (cc) := #merge, replace
                            #need to pass a _named_ vector to 'on', so use setNames
                            i.class, on = setNames("pet", cc)])

创建一个命名向量，并遍历每列并进行匹配，请参见：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# make lookup vector with names
lookUp1 <- setNames(as.character(lookUp$class), lookUp$pet)
lookUp1    
#      cat    lizard    parrot
#"mammal""reptile"   "bird"

# match on names get values from lookup vector
res <- data.frame(lapply(df1, function(i) lookUp1[i]))
# reset rownames
rownames(res) <- NULL

# res
#        P1      P2      P3
# 1  mammal reptile    bird
# 2 reptile    bird  mammal
# 3    bird  mammal reptile

数据

1
2
3
4
5
6
7
8
9
10
11
df1 <- read.table(text ="
       P1     P2     P3
 1    cat lizard parrot
 2 lizard parrot    cat
 3 parrot    cat lizard", header = TRUE)

lookUp <- read.table(text ="
      pet   class
 1    cat  mammal
 2 lizard reptile
 3 parrot    bird", header = TRUE)
相关讨论

我尝试了其他方法，但是使用我的大型数据集花费了很长时间。我改用以下内容：

1
2
3
4
    # make table"new" using ifelse. See data below to avoid re-typing it
    new <- ifelse(table1 =="cat","mammal",
                        ifelse(table1 =="lizard","reptile",
                               ifelse(table1 =="parrot","bird", NA)))

此方法要求您为代码编写更多文本，但是ifelse的向量化使其运行更快。您必须根据数据确定是否要花费更多时间编写代码或等待计算机运行。如果要确保它有效(iflese命令中没有任何错字)，则可以使用apply(new, 2, function(x) mean(is.na(x)))。

数据

1
2
3
4
5
6
    # create the data table
    table1 <- read.table(text ="
       P1     P2     P3
     1    cat lizard parrot
     2 lizard parrot    cat
     3 parrot    cat lizard", header = TRUE)

上面显示了如何在dplyr中执行此操作的答案未回答问题，该表充满了NA。这行得通，我希望任何评论显示出一种更好的方式：

1
2
3
4
5
6
7
8
9
10
11
12
# Add a customer column so that we can put things back in the right order
table$customer = seq(nrow(table))
classTable <- table %>%
    # put in long format, naming column filled with P1, P2, P3"petCount"
    gather(key="petCount", value="pet", -customer) %>%
    # add a new column based on the pet's class in data frame"lookup"
    left_join(lookup, by="pet") %>%
    # since you wanted to replace the values in"table" with their
    #"class", remove the pet column
    select(-pet) %>%
    # put data back into wide format
    spread(key="petCount", value="class")

请注意，保留包含客户，宠物，宠物的种类(？)及其类别的长桌可能会很有用。此示例仅将中间保存添加到变量：

1
2
3
4
5
6
7
8
table$customer = seq(nrow(table))
petClasses <- table %>%
    gather(key="petCount", value="pet", -customer) %>%
    left_join(lookup, by="pet")

custPetClasses <- petClasses %>%
    select(-pet) %>%
    spread(key="petCount", value="class")