代码之家 › 专栏 › 技术社区 › slhck

根据其他数据帧映射替换某些行中的值

tidyr plyr dplyr r

slhck · 技术社区 · 10 年前

我有一张桌子( d.tab )与调查中的问答配对。其中有些是单选答案,有些是选择题。我想从单选答案的数值中查找它的文本值。为此,我有一个查找表( d.lookup ).

我试着 merge 这些,但有点难看,因为我现在必须过滤掉所有的行 value != answer_id 。有没有更漂亮的方法来做这件事,可能使用 plyr 或 dplyr 或 tidyr ?

tab = '
question_id question_type   subject value
1   single-choice   1   1
2   multiple-choice 1   2
3   single-choice   1   2
1   single-choice   2   2
2   multiple-choice 2   3,4
3   single-choice   2   2
'

lookup = '
question_id answer_id   answer_text
1   1   female
1   2   male
3   1   no
3   2   yes
'

d.tab = read.table(text = tab, header = TRUE)
d.lookup = read.table(text = lookup, header = TRUE)

merge(d.tab, d.lookup, by = "question_id", all.x = TRUE)

我什么都不想做 multiple-choice 行,但只需更新原始数据帧以替换 value 实际文本来自 d、选项卡 的 answer_text 如果 answer_id s匹配 价值 .

我知道我能做到:

merge(d.tab, d.lookup, by.x = c("question_id", "value"), by.y = c("question_id", "answer_id"), all.x = TRUE)

但这给了我一个新的专栏 答案_文本 与原件 价值 还在那里,我不需要。

2 回复 | 直到 9 年前

Stibu 10 年前

您有正确的呼叫 merge() 在你的问题中。剩下的就是用单选答案筛选行,然后选择除 value 。使用dplyr,可以按如下方式完成:

library(dplyr)
filter(d.tab, question_type == "single-choice") %>%
  mutate(value = as.numeric(as.character(value))) %>%
  merge(d.lookup, by.x = c("question_id", "value"),
        by.y = c("question_id", "answer_id")) %>%
  select(-value)

第二行包含因子变量的显式转换 价值 到数字。这很重要,因为将因子转换为数字可能会导致奇怪的结果。我将在下面添加几行关于这个主题的内容。

请注意 dplyr 还附带了自己的功能来代替合并。如果你的桌子很大,你会发现这些更有效。使用 left_join 从…起 dplyr公司 解决方案如下:

library(dplyr)
filter(d.tab, question_type == "single-choice") %>%
  mutate(value = as.numeric(as.character(value))) %>%
  left_join(d.lookup,
            by = c("question_id" = "question_id",
                   "value" = "answer_id")) %>%
  select(-value)

下面是关于我承诺的因素的评论。因子的问题是它们实际上是整数,其中每个整数值都有一个与其关联的标签。当你天真地用 as.numeric() ,您将获得与标签关联的整数。你的数据几乎肯定会遇到这个问题,这就是为什么。

我创建了一个模拟您数据的因子变量:

values <- factor(c("1", "2", "3,4", "3", "4"))

现在我扔掉第三个值( "3,4" )并转换为数字:

as.numeric(values[-3])
## [1] 1 2 3 5

这可能不是你所期望的。原因是数字1到5与我们上面定义的五个级别相关联。如果要获得与标签匹配的数字,需要首先转换为字符:

as.numeric(as.character(values[-3]))
## [1] 1 2 3 4

所以,即使 合并() 在某处将因子转换为数字,我不会依赖于它以你想要的方式进行。因此,您应该显式地进行转换。

Jaap 10 年前

另一种解决方案 数据表 :

library(data.table)

# converting to datatables & setting the 'answer_id' to character
setDT(d.tab)
setDT(d.lookup)[, answer_id := as.character(answer_id)]

# join 'd.tab' with 'd.lookup' and update 'value' by reference
d.tab[d.lookup, value := answer_text, on = c("question_id", "value"="answer_id")]

其给出:

   question_id   question_type subject  value
1:           1   single-choice       1 female
2:           2 multiple-choice       1      2
3:           3   single-choice       1    yes
4:           1   single-choice       2   male
5:           2 multiple-choice       2    3,4
6:           3   single-choice       2    yes

正如@Stibu已经提到的,用多个值拆分行可能更好。一个示例 cSplit 函数 分叉叉 包裹:

library(splitstackshape)
cSplit(d.tab, "value", sep=",", 
       direction="long", 
       type.convert = FALSE)[d.lookup, 
                             value := answer_text, 
                             on = c("question_id", "value"="answer_id")]

# or everything in 'data.table'
d.tab[, lapply(.SD, function(x) unlist(tstrsplit(x, ','))), setdiff(names(d.tab),"value")
      ][d.lookup, value := answer_text, on = c("question_id", "value"="answer_id")][]

两者都给出:

   question_id   question_type subject  value
1:           1   single-choice       1 female
2:           2 multiple-choice       1      2
3:           3   single-choice       1    yes
4:           1   single-choice       2   male
5:           2 multiple-choice       2      3
6:           2 multiple-choice       2      4
7:           3   single-choice       2    yes