如何用(data.frame)查找表中的值标签替换数据框中的数字代码?
Posted
技术标签:
【中文标题】如何用(data.frame)查找表中的值标签替换数据框中的数字代码?【英文标题】:how do I replace numeric codes in a data frame with value labels from a (data.frame) lookup table? 【发布时间】:2012-04-26 20:49:15 【问题描述】:这是this question 的后续问题,最初受到this question 的启发,但并不完全相同。
这是我的情况。首先,我从数据库中提取一些数据,
df <- data.frame(id = c(1:6),
profession = c(1, 5, 4, NA, 0, 5))
df
# id profession
# 1 1
# 2 5
# 3 4
# 4 NA
# 5 0
# 6 5
其次,我提取了一个键表,其中包含有关职业代码的人类可读信息,
profession.codes <- data.frame(profession.code = c(1,2,3,4,5),
profession.label = c('Optometrists',
'Accountants', 'Veterinarians',
'Financial analysts', 'Nurses'))
profession.codes
# profession.code profession.label
# 1 Optometrists
# 2 Accountants
# 3 Veterinarians
# 4 Financial analysts
# 5 Nurses
现在,我想用profession.codes
中的标签覆盖df
中的profession
变量,最好使用plyr
包中的join
,但我愿意接受任何智能解决方案。虽然我确实喜欢 ply 保留 x 的顺序。
我目前是这样做的,
# install.packages('plyr', dependencies = TRUE)
library(plyr)
profession.codes$profession <- profession.codes$profession.code
df <- join(df, profession.codes, by="profession")
# levels(df$profession.label)
df$profession.label <- factor(df$profession.label,
levels = c(levels(df$profession.label),
setdiff(df$profession, df$profession.code)))
# levels(df$profession.label)
df$profession.label[df$profession==0 ] <- 0
df$profession.code <- NULL
df$profession <- NULL
names(df) <- c("id", "profession")
df
# id profession
# 1 Optometrists
# 2 Nurses
# 3 Financial analysts
# 4 <NA>
# 5 0
# 6 Nurses
这就是我在不丢失NA
和0
的情况下覆盖profession
的方法。
问题是 0 可能是 17 或任何数字,我想以某种方式解释这一点。此外,如果可能的话,我还想缩短我的代码。
任何帮助将不胜感激。
谢谢, 埃里克
【问题讨论】:
不确定您的意思:“0 可能是 17 或任何数字,我想以某种方式说明这一点” @TylerRinker,在上面的示例中,df$profession
中只有一个值在profession.codes
中没有匹配的标签。在示例中,值为0
,但也可能出现其他值(如果有人弄乱了我无法控制的数据库)。即使df$profession
中的多个值在profession.code
中没有匹配的标签,您的解决方案仍然有效,这很棒。
【参考方案1】:
这是基础中的一种方法:
df <- data.frame(id = c(1:6),
profession = c(1, 5, 4, NA, 0, 5))
pc <- data.frame(profession.code = c(1,2,3,4,5),
profession.label = c('Optometrists',
'Accountants', 'Veterinarians',
'Financial analysts', 'Nurses'))
df$new <- as.character(pc[match(df$profession,
pc$profession.code), 'profession.label'])
df[is.na(df$new), 'new'] <- df[is.na(df$new), 'profession']
df$new <- as.factor(df$new)
df
产量:
id profession new
1 1 1 Optometrists
2 2 5 Nurses
3 3 4 Financial analysts
4 4 NA <NA>
5 5 0 0
6 6 5 Nurses
【讨论】:
我没有覆盖您建议的列,因为当您可以创建一个新列时,我不喜欢覆盖某些内容。如果您想覆盖您的原始列,请更改我的解决方案来执行此操作。 同意 match() 解决方案并且不覆盖。 @TylerRinker,感谢您提供解决方案。我喜欢你使用底座。我也不喜欢覆盖,但在这种特定情况下我必须这样做。问题是很难不进行替换,就像您在解决方案(df[which(is.na(df$new)), 'new'] <- df[which(is.na(df$new)), 'profession'])
的第二行中所做的那样,而不使用原始变量中的信息。要修改您的解决方案,我将添加一行删除$new
,例如df$profession <- as.factor(df$new); df$new <- NULL
,除非有更智能的解决方案?谢谢!
是的,这可能是我处理它或将原始 df$profession 分配给重复对象并在您正确识别为需要原始 df$professional 的行中使用它的方式。以上是关于如何用(data.frame)查找表中的值标签替换数据框中的数字代码?的主要内容,如果未能解决你的问题,请参考以下文章