如何使用查找 table 替换 data.table 列中的值？ [R]

Question

我有一个密钥和大量元数据table。元数据 table 中有一列包含如下值：

body_site
Lung
Lung
Brain - Amygdala
Brain - Amygdala
Brain - Caudate (basal ganglia)
Brain - Caudate (basal ganglia)
Lung
Lung
Skin - Sun Exposed (Lower leg)
Skin - Sun Exposed (Lower leg)
Brain - Spinal cord (cervical c-1)
Brain - Spinal cord (cervical c-1)

与 body_site 作为 header。密钥如下所示：

Tissue,Key
Adipose - Subcutaneous,ADPSBQ
Adipose - Visceral (Omentum),ADPVSC
Adrenal Gland,ADRNLG
Artery - Aorta,ARTAORT
Artery - Coronary,ARTACRN
Artery - Tibial,ARTTBL
Bladder,BLDDER
Brain - Amygdala,BRNAMY
Brain - Anterior cingulate cortex (BA24),BRNACC

它是csv每种组织的相应缩写。我想要做的是用第二个 table 第二列中的相应缩写替换第一个 table 列中的所有条目。

问题是，当我接受的建议时，它演示了如何做到这一点，但我最终得到了一个 table，仅具有 body_site 列的值；换句话说，table 中的所有其他数据都被删除，除了被替换的数据。从好的方面来说，替换工作有效，但现在我有一个完全空的 table，除了 headers.

我的代码如下所示。我包括了顶级回答者提供的两种解决方案，我都尝试过。

library("data.table")
args = commandArgs(trailingOnly=TRUE)
# SraRunTable.txt is args[1]
#sratabl <- fread(args[1])
sratabl <- fread("SraRunTable.txt")
tiskey <- fread("GTExTissueKey.csv")
# current directory is args [2]
new <- sratabl  # create a copy of df
# using lapply, loop over columns and match values to the look up table. store in "new".
new[] <- lapply(sratabl, function(x) tiskey$Key[match(x, tiskey$Tissue)])

new <- sratabl
new[] <- tiskey$Key[match(unlist(sratabl), tiskey$Tissue)]

Answer 1

解决方法如下：

require(data.table)
df1 <- data.frame(a = c("a","b","c"), b = c("x","y","z"))
df2 <- data.frame(a = c("a","c"), b = c("new_x","new_z"))
setDT(df1)
setDT(df2)

# inspect each df
df1
#    a b
# 1: a x
# 2: b y
# 3: c z
df2
#    a     b
# 1: a new_x
# 2: c new_z

l <- match(df1$a, df2$a, nomatch = 0)
df1$b[l != 0] <- df2$b[l]

df1
#    a     b
# 1: a new_x
# 2: b     y
# 3: c new_z

Answer 2

我认为你过度使用了lapply；由于您正在处理框架中的单个列，因此无需在此处使用它。
结果中会有 NAs，至少对于这个数据（无论如何你应该提防它）。因此，我建议使用 intermediate/temp 变量。

对于上面的#2，为了便于关联，我会将变量保留在框架内（然后将其删除），虽然没有必要，但它可以很容易地存储在一个独立的向量中，然后修复后分配。

df1$tmp <- df2$Key[ match(df1$body_site, df2$Tissue) ]
head(df1)
#                         body_site    tmp
# 1                            Lung   <NA>
# 2                            Lung   <NA>
# 3                Brain - Amygdala BRNAMY
# 4                Brain - Amygdala BRNAMY
# 5 Brain - Caudate (basal ganglia)   <NA>
# 6 Brain - Caudate (basal ganglia)   <NA>

这些是您需要警惕的 NA...下一部分仅在没有 NA.

时才使用新列

df1$tmp <- ifelse(is.na(df1$tmp), df1$body_site, df1$tmp)
head(df1)
#                         body_site                             tmp
# 1                            Lung                            Lung
# 2                            Lung                            Lung
# 3                Brain - Amygdala                          BRNAMY
# 4                Brain - Amygdala                          BRNAMY
# 5 Brain - Caudate (basal ganglia) Brain - Caudate (basal ganglia)
# 6 Brain - Caudate (basal ganglia) Brain - Caudate (basal ganglia)

现在，清理：

df1$body_site <- df1$tmp
df1$tmp <- NULL

备选方案：加入。

library(dplyr)
left_join(df1, df2, by=c("body_site" = "Tissue")) %>% head()
#                         body_site    Key
# 1                            Lung   <NA>
# 2                            Lung   <NA>
# 3                Brain - Amygdala BRNAMY
# 4                Brain - Amygdala BRNAMY
# 5 Brain - Caudate (basal ganglia)   <NA>
# 6 Brain - Caudate (basal ganglia)   <NA>

（需要相同的清理）

library(data.table)
head( merge(df1, df2, by.x="body_site", by.y="Tissue", all.x=TRUE) )
#                             body_site    Key
# 1:                   Brain - Amygdala BRNAMY
# 2:                   Brain - Amygdala BRNAMY
# 3:    Brain - Caudate (basal ganglia)   <NA>
# 4:    Brain - Caudate (basal ganglia)   <NA>
# 5: Brain - Spinal cord (cervical c-1)   <NA>
# 6: Brain - Spinal cord (cervical c-1)   <NA>

（需要相同的清理）

数据：

df1 <- read.csv(header=T, stringsAsFactors=F, text='
body_site
Lung
Lung
Brain - Amygdala
Brain - Amygdala
Brain - Caudate (basal ganglia)
Brain - Caudate (basal ganglia)
Lung
Lung
Skin - Sun Exposed (Lower leg)
Skin - Sun Exposed (Lower leg)
Brain - Spinal cord (cervical c-1)
Brain - Spinal cord (cervical c-1)')

df2 <- read.csv(header=T, stringsAsFactors=F, text='
Tissue,Key
Adipose - Subcutaneous,ADPSBQ
Adipose - Visceral (Omentum),ADPVSC
Adrenal Gland,ADRNLG
Artery - Aorta,ARTAORT
Artery - Coronary,ARTACRN
Artery - Tibial,ARTTBL
Bladder,BLDDER
Brain - Amygdala,BRNAMY
Brain - Anterior cingulate cortex (BA24),BRNACC')

如何使用查找 table 替换 data.table 列中的值？ [R]

How do I replace values in a data.table's column using a look up table? [R]

lookup

metadata

r