R 中分类变量的高效通用重新编码

Question

想象一下这样的 data.table

library(data.table)
DT = data.table(values=c('call', NA, 'letter', 'call', 'e-mail', 'phone'))
print(DT)

   values
1:   call
2:   <NA>
3: letter
4:   call
5: e-mail
6:  phone

我希望通过以下映射重新编码值

mappings = list(
  'by_phone' = c('call', 'phone'),
  'by_web' = c('e-mail', 'web-meeting')
)

即我想将 call 转换为 by_phone 等。NA 应该放在 missing 中，未知（通过提供的映射）放在 other 中。对于这个特定的数据 table 我可以通过以下方式简单地解决我的问题

recode_group <- function(values, mappings){
  ifelse(values %in% unlist(mappings[1]), names(mappings)[1], 
         ifelse(values %in% unlist(mappings[2]), names(mappings)[2], 
                ifelse(is.na(values), 'missing', 'other')
         )
    )
}
DT[, recoded_group:=recode_group(values, mappings)]
print(DT)

   values recoded_group
1:   call      by_phone
2:   <NA>       missing
3: letter         other
4:   call      by_phone
5: e-mail        by_web
6:  phone      by_phone

但我正在寻找一种高效且通用的 recode_group 功能。有什么建议吗？

Answer 1

这是一个更新加入方法的选项：

DT[stack(mappings), on = "values", recoded_group := ind]
DT[is.na(values), recoded_group := "missing"]

DT
#   values recoded_group
#1:   call      by_phone
#2:     NA       missing
#3: letter            NA
#4:   call      by_phone
#5: e-mail        by_web
#6:  phone      by_phone

R 中分类变量的高效通用重新编码

Efficient and generic recoding of categorical variables in R

r

data-manipulation

dataframe

recode

data.table