代码之家 › 专栏 › 技术社区 › Girijesh Singh

R列映射

mapping dataframe r

Girijesh Singh · 技术社区 · 8 年前

如何将一个CSV文件的列映射到R中另一个CSV文件的列。如果两者的数据类型相同。例如,数据框A的第一列包含一些包含国家名称的文本。而第二个数据框B的列包含所有国家的标准列表。现在,我必须用标准国家列映射第一个数据框的所有行。

例如,数据框A的列(位置)由10000行数据组成,如下所示

Sydney, Australia
Aarhus C, Central Region, Denmark
Auckland, New Zealand
Mumbai Area, India
Singapore
df1 <- data.frame(col1 = 1:5, col2=c("Sydney, Australia", "Aarhus C, Central Region, Denmark", "Auckland, New Zealand", "Mumbai Area, India", "Singapore"))

现在我有了数据框B的另一列(国家),如

India
USA
New Zealand
UK
Singapore
Denmark
China
df2 <- data.frame(col1=1:7, col2=c("India", "USA", "New Zealand", "UK", "Singapore", "Denmark", "China"))

如果location列与Country列匹配,那么我想用Country名称替换该位置,否则它将保持原样。样本输出为

Sydney, Australia
Denmark
New Zealand
India
Singapore

3 回复 | 直到 8 年前

YOLO 8 年前

起初,这看起来像一个微不足道的问题,但事实并非如此。这种方法的工作原理如下:

1、我们使用 unlist , strsplit .
2、然后我们检查向量中的任何字符串在country列中是否可用。如果可用,我们将国家名称存储在 res 如果不是我们存储 notfound .
2.最后,我们检查res是否包含国家名称。

df1 <- data.frame(location = c('Sydney, Australia',
              'Aarhus C, Central Region, Denmark',
              'Auckland, New Zealand',
              'Mumbai Area, India',
          'Singapore'),stringsAsFactors = F)


df2 <- data.frame(country = c('India',
                               'USA',
                               'New Zealand',
                               'UK',
                               'Singapore',
                               'Denmark',
                               'China'),stringsAsFactors = F)


get_values <- function(i)
{
    val <- unlist(strsplit(i, split = ','))
    val <- sapply(val, str_trim)

    res <- c()
    for(j in val)
    {
        if(j %in% df2$country) res <- append(res, j)
        else res <- append(res, 'notfound')
    }

    if(all(res == 'notfound')) return (i)
    else return (res[res!='notfound'])

}

df1$location2 <- sapply(df1$location, get_values)

                           location         location2
1                 Sydney, Australia Sydney, Australia
2 Aarhus C, Central Region, Denmark           Denmark
3             Auckland, New Zealand       New Zealand
4                Mumbai Area, India             India
5                         Singapore         Singapore

www 8 年前

解决方案使用 tidyverse . 首先,请转换您的 col2 按设置设置字符 stringsAsFactors = FALSE 因为这更容易处理。

我们可以使用 str_extract 提取匹配的国家名称,然后创建新的 col2 具有 mutate 和 ifelse .

df3 <- df1 %>%
  mutate(Country = str_extract(col2, paste0(df2$col2, collapse = "|")),
         col2 = ifelse(is.na(Country), col2, Country)) %>%
  select(-Country)
df3
#   col1              col2
# 1    1 Sydney, Australia
# 2    2           Denmark
# 3    3       New Zealand
# 4    4             India
# 5    5         Singapore

我们也可以从 df1 使用 separate_rows 分隔国家名称。之后,使用 semi_join 检查国家名称是否在 df2 . 最后,我们可以将数据帧与原始数据帧相结合 df1型 按行,然后为中的每个id筛选第一个 col1 . df3 是最终输出。

library(tidyverse)

df3 <- df1 %>%
  separate_rows(col2, sep = ", ") %>%
  semi_join(df2, by = "col2") %>%
  bind_rows(df1) %>%
  group_by(col1) %>%
  slice(1) %>%
  ungroup() %>%
  arrange(col1)
df3
# # A tibble: 5 x 2
#    col1 col2             
#   <int> <chr>            
# 1     1 Sydney, Australia
# 2     2 Denmark          
# 3     3 New Zealand      
# 4     4 India            
# 5     5 Singapore

数据

df1 <- data.frame(col1 = 1:5, 
                  col2=c("Sydney, Australia", "Aarhus C, Central Region, Denmark", "Auckland, New Zealand", "Mumbai Area, India", "Singapore"),
                  stringsAsFactors = FALSE)

df2 <- data.frame(col1=1:7, 
                  col2=c("India", "USA", "New Zealand", "UK", "Singapore", "Denmark", "China"),
                  stringsAsFactors = FALSE)

Onyambu 8 年前

如果你在寻找国家,而他们在寻找城市,那么你可以这样做。

  transform(df1,col3= sub(paste0(".*,\\s*(",paste0(df2$col2,collapse="|"),")"),"\\1",col2))
  col1                              col2              col3
1    1                 Sydney, Australia Sydney, Australia
2    2 Aarhus C, Central Region, Denmark           Denmark
3    3             Auckland, New Zealand       New Zealand
4    4                Mumbai Area, India             India
5    5                         Singapore         Singapore

细分:

> A=sub(".*,\\s(.*)","\\1",df1$col2)
> B=sapply(A,grep,df2$col2,value=T)
> transform(df1,col3=replace(A,!lengths(B),col2[!lengths(B)]))
  col1                              col2              col3
1    1                 Sydney, Australia Sydney, Australia
2    2 Aarhus C, Central Region, Denmark           Denmark
3    3             Auckland, New Zealand       New Zealand
4    4                Mumbai Area, India             India
5    5                         Singapore         Singapore