根据其他数据帧映射替换某些行中的值

Question

我有一个 table (d.tab)，其中包含调查中的问答对。其中一些是单选答案，一些是多项选择。我想从它的数值中查找单选答案的文本值。为此，我查找了 table (d.lookup).

我尝试 merge 这些，但是有点难看，因为我现在必须过滤掉 value != answer_id 所在的所有行。有没有更漂亮的方法，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)

我不想对 multiple-choice 行做任何事情，只是更新原始数据框以将 value 替换为 d.tab 的 answer_text 中的实际文本] 如果 answer_id 匹配 value.

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列 answer_text，原来的 value 仍然存在，我不需要。

Answer 1

你的问题中 merge() 的调用是正确的。剩下的就是过滤具有单选答案的行和 select 除了 value 之外的所有列。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 value 到数值的显式转换。这很重要，因为将因子转换为数值会导致奇怪的结果。我将在下面添加有关此主题的几行内容。

注意 dplyr 也有自己的功能来代替合并。如果您的 table 很大，您会注意到这些更有效。使用 dplyr 中的 left_join 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)

所以关于我承诺的因素的评论来了。因子的问题在于它们实际上是整数，其中每个整数值都有一个与之关联的标签。当您使用 as.numeric() 天真地将因子转换为数字时，您将获得与标签关联的整数。您几乎肯定会运行遇到这个数据问题，原因如下。

我创建了一个模拟您的数据的因子变量：

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

这可能不是您所期望的。原因是数字 1 到 5 与我们上面定义的五个级别相关联。如果要得到与标签匹配的数字，需要先转换为字符：

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

因此，即使 merge() 在某处将因子转换为数字，我也不会依赖它以您想要的方式进行。因此，您应该明确地进行转换。

Answer 2

另一种解决方案 data.table:

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")]

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，拆分具有多个值的行可能会更好。来自 splitstackshape 包的 cSplit 函数的示例：

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

根据其他数据帧映射替换某些行中的值

Replace values in some rows based on other dataframe mapping

r

plyr

dplyr

tidyr