使用行中带有变量名称的数据对列进行重新编码

Question

我有两个数据框：

使用列 varName（变量名称）、key 和 value

lookup

数据框 df，其列的名称与 varName 中的值完全相同，值对应于 key（df 中的值是 lookup 的键） .此数据框比查找数据框大得多（例如 1e6 行）。

我想通过为每个变量附加新列来重新编码 df 中的数据，其中 df 中的键被 lookup 数据框中相应的 value 替换.重要的是要注意键是双精度类型。

示例数据：

# Generate sample data
lookup <- data.frame(
  varName = rep(LETTERS[1:3], each = 3),
  key     = runif(9),
  value   = runif(9)
  )

df <- expand.grid(
  A = lookup[lookup$varName == 'A', 'key'],
  B = lookup[lookup$varName == 'B', 'key'],
  C = lookup[lookup$varName == 'C', 'key']
  )

我目前的解决方案使用临时重命名变量和 join 来自 plyr:

require(plyr)

for (varName in unique(lookup$varName)) {
  tmpLookup <- rename(lookup, replace = c(key = varName))
  df[paste0(varName, '_value')] <- join(df[varName], tmpLookup[c(varName, 'value')], 
                                        by = varName)['value']  
}

df

问题：

这样安全吗？如果使用 join

double

是否有更好的方法可以更安全、更快地完成同样的任务？

Answer 1

你可以试试 data.table。使用 set.seed(20) 创建 "df" （为了可重复性）。我使用 melt 将 "df" 重塑为 "long"，转换为 "data.table"（as.data.table），而不是 "wide" 格式，设置键列(setkey(..))，加入"lookup"数据集，用dcast.data.table转换回"wide"格式，最后加入原始数据集，这样就有新旧列在数据集。这也可以使用没有 reshaping

的 for 循环来完成

library(data.table)
library(reshape2)
DT <- as.data.table(melt(as.matrix(df)))
DT1 <- dcast.data.table(setkey(DT, Var2,
           value)[lookup], Var1~Var2, value.var='i.value')
DT2 <- setkey(setDT(df)[,Var1:=1:.N], Var1)[DT1][,Var1:=NULL]

head(DT2,2)
#          A         B          C       i.A         i.B       i.C
#1: 0.8775214 0.5291637 0.09133259 0.3700745 0.001927939 0.4520996
#2: 0.7685332 0.5291637 0.09133259 0.7155276 0.001927939 0.4520996

使用行中带有变量名称的数据对列进行重新编码

Recode columns using data with variable names in rows

r

plyr