等效的 SAS 格式（在 R 中）

Question

假设我有一个数据框：

    sick <- c("daa12", "daa13", "daa14", "daa15", "daa16", "daa17")
    code <- c("heart", "heart", "lung", "lung", "cancer", "cancer")
    sick_code <- data.frame(sick, code)

还有一个：

    pid <- abs(round(rnorm(6)*1000,0))
    sick <- c("-" , "-", "-", "-", "daa16", "SO")
    p_sick <- data.frame(pid, sick)

现在我想向 p_sick 添加一个新的变量，即 "translates" p_sick$sick 到 sick_code$code。 p_sick$sick 中的变量是一个字符串，它可能是也可能不是 p_sick$sick，在这种情况下应该返回 NA。

现在我可以用一个简单的 ifelse 语句编写 for 循环。但是我的数据有 1.5 亿行，而 translate table 有 15.000 行。

我用谷歌搜索发现这是 SaS 中 "proc format" 的等价物（但我无权访问 SaS，也不知道它是如何工作的）。

也许是 plyr 中合并的某种变体，或者应用函数？

编辑：我接受了这两个答案，因为它们有效。我将尝试研究两者之间的差异（速度）。由于合并是一个内置函数，我猜它会做很多检查。

EDIT2：对于通过 Google 到达这里的人们； merge has and sort = FALSE 这将加快速度。请注意，订单不会以任何方式保留。

Answer 1

您可以将 merge 与 all.x = TRUE 一起使用（以保持 p_sick 中的值与 sick_code 中的值不匹配：

merge(p_sick, sick_code, all.x = TRUE)

等效项是使用 dplyr 中的 left_join：

library(dplyr)
left_join(p_sick, sick_code)
#    pid  sick   code
# 1  212     -   <NA>
# 2 2366     -   <NA>
# 3  325     -   <NA>
# 4  269     -   <NA>
# 5  501 daa16 cancer
# 6 1352    SO   <NA>

请注意，这些解决方案中的每一个都有效，因为名称 sick 在两个数据帧之间共享。假设它们有不同的名称 - 假设该列在 sick_code 中称为 sickness。您可以分别使用：

merge(p_sick, sick_code, by.x = "sick", by.y = "sickness", all.x = TRUE)
# or
left_join(p_sick, sick_code, c(sick = "sickness"))

Answer 2

data.table 将适用于您的示例：

   library(data.table)
   setkey(setDT(p_sick),sick)
   p_sick[setDT(sick_code),code := i.code][]
        pid  sick   code
    1: 3137     -     NA
    2:  755     -     NA
    3: 1327     -     NA
    4:  929     -     NA
    5:  939 daa16 cancer
    6:  906    SO     NA

详情请见。

Answer 3

一个简单的命名向量也可以。命名向量可以充当查找。因此，与其将 sick 和 code 定义为数据框，不如将其定义为命名向量并将其用作解码器。像这样：

# Set up named vector
sick_decode <- c("heart", "heart", "lung", "lung", "cancer", "cancer")
names(sick_decode) <- c("daa12", "daa13", "daa14", "daa15", "daa16", "daa17")

# Prepare data  
pid <- abs(round(rnorm(6)*1000,0))
sick <- c("-" , "-", "-", "-", "daa16", "SO")
p_sick <- data.frame(pid, sick)
  
# Create new variable using decode
p_sick$sick_decode <- sick_decode[p_sick$sick]

# Results
#>    pid  sick sick_decode
#> 1  511     -        <NA>
#> 2 1619     -        <NA>
#> 3  394     -        <NA>
#> 4  641     -        <NA>
#> 5   53 daa16      cancer
#> 6  244    SO        <NA>

我怀疑此方法也会很快，但尚未对其进行基准测试。

此外，现在有一个专门用于在 R 中复制 SAS 格式功能的 R 包。它称为 fmtr。

等效的 SAS 格式（在 R 中）

Equivalent of SAS format (in R)

r

merge

lookup