在 R 中随机化后重新填充关系数据框中的列

Question

我有一个个人及其配偶的数据框，其中包含一些我用 plyr::mapvalues 随机分配的个人信息（即姓氏）以保护身份。这是更改姓氏前后的可重现示例：

# before
d <- data.frame(id = c(1:6), 
                first_name = c('Jeff', 'Marilyn', 'Gwyn', 
                               'Alice', 'Sam', 'Sarah'), 
                surname = c('Goldbloom', 'Monroe', 'Paltrow', 'Goldbloom',
                            'Smith', 'Silverman'), 
                spouse_id = c(2, 1, 1, 5, 4, "NA"), 
                spouse = c('Marilyn Monroe', 'Jeff Goldbloom', 'Jeff Goldbloom', 
                           'Sam Smith', 'Alice Goldbloom', 'NA'))
d
> id first_name   surname spouse_id          spouse
   1       Jeff Goldbloom         2  Marilyn Monroe
   2    Marilyn    Monroe         1  Jeff Goldbloom
   3       Gwyn   Paltrow         1  Jeff Goldbloom
   4      Alice Goldbloom         5       Sam Smith
   5        Sam     Smith         4 Alice Goldbloom
   6      Sarah Silverman        NA              NA

# replacement names to serve as surnames (doesn't matter what they are, just
 that the ratios remain the same as before; mapvalues takes care of this)

repnames <- c("Arman"   , "Clovis"  , "Garner"  , "Casey"  ,  "Birch")
s <- unique(d$surname)
d$surname <- plyr::mapvalues(d$surname, from = s, to = repnames) #replace surnames

# After replacement, the dataframe looks like:
d
>   id first_name surname spouse_id          spouse
    1       Jeff   Arman         2  Marilyn Monroe
    2    Marilyn  Clovis         1  Jeff Goldbloom
    3       Gwyn  Garner         1  Jeff Goldbloom
    4      Alice   Arman         5       Sam Smith
    5        Sam   Casey         4 Alice Goldbloom
    6      Sarah   Birch        NA              NA

每个人都有自己的id号码，但并不是所有人都有配偶。如果一个人确实有配偶，他们配偶的个人 id 会反映在 spouse_id 列中。我这样做是为了以后可以使用 dplyr::filter(d, spouse %in% spouse_id).

之类的方法分别过滤个人及其配偶

我的问题是，如何使用关系 id 和 spouse_id 列重新填充 spouse 列，以便它反映新的随机姓氏？即最终预期输出为：

  id first_name surname spouse_id         spouse
  1       Jeff   Arman         2     Marilyn Clovis
  2    Marilyn  Clovis         1     Jeff Arman
  3       Gwyn  Garner         1     Jeff Arman
  4      Alice   Arman         5     Sam Casey
  5        Sam   Casey         4     Alice Arman
  6      Sarah   Birch        NA             NA

...因此 first_name 和 surname 列将涉及一些串联。我从来没有在 R 中做过如此有条件的事情 - 在 Excel 我猜它会是嵌套的 VLOOKUP 函数...

谢谢，抱歉，它太具体了，但希望它能给外面的人带来有趣的挑战。

Answer 1

假设你的 NA 是真实的 NA，那么

d$spouse <- paste(d$first_name, d$surname)[d$spouse_id]
d$spouse
#[1] "Marilyn Clovis" "Jeff Arman"     "Jeff Arman"     "Sam Casey"      "Alice Arman"    NA

在 R 中随机化后重新填充关系数据框中的列

Re-Populate column in a relational data frame after randomization in R

filtering

r

conditional-formatting

relational-database