基于查找向量的条件重新编码

Question

我需要根据查找向量有条件地重新编码我的数据帧 d。

dput(lookup)
structure(c("Apple", "Apple", "Banana", "Carrot"), .Names = c("101", "102", "102", "103"))
dput(d)
structure(list(pat = c(101, 101, 101, 102, 102, 103), gene = structure(1:6, .Label = c("a", 
"b", "c", "d", "e", "f"), class = "factor"), Apple = c(0.1, 0.2, 
0.3, 0.4, NA, NA), Banana = c(NA, NA, NA, NA, 0.55, NA), Carrot = c(NA, 
NA, NA, NA, NA, 0.6)), .Names = c("pat", "gene", "Apple", "Banana", 
"Carrot"), row.names = c(NA, -6L), class = "data.frame")

d是我通过reshape得到的宽数据框。如果 pat 根据查找 table。在这种情况下，d$Apple[5] 和 d$Banana[4] 将被重新编码为 0。

我一直在研究 dplyr 中的 recode，但我不知道如何查找和重新编码，更不用说它必须在多个列上完成了。 . recoding variables in R with a lookup table 上还有另一个相关的 post 但它似乎不适用于我的问题。谁能帮我吗？谢谢！

编辑

我尝试了以下方法：。

e <- melt(d, id.vars=c("pat", "gene"))
e %>% mutate(test=ifelse(lookup[as.character(pat)] == variable, replace(value, is.na(value), 0), value))

我的代码部分有效。它成功地在 d$Apple[5] 中重新编码 NA 但在 d$Banana[4] 中没有，因为查找只能给出第一个值：

lookup["102"]
    102 
"Apple"

而我需要我的查找能够同时输出 "Apple" 和 "Banana" 并能够转换 NAs 相应地满足每个条件。有什么想法吗？

Answer 1

可能有点不完整，但我设法通过循环创建了一个可能的解决方案

for(i in 1:nrow(d)){
  mtch <- lookup[which(d$pat[i] == names(lookup))] # Get lookup matches for row i
  colnum <- which(colnames(d) %in% mtch) # Get column nr that matches lookup value
  newval<-ifelse(is.na(d[i,colnum]),0,d[i,colnum]) # if it contains NA replace with 0
  d[i,colnum]<-unlist(newval) # replace the values

}

输出

  pat gene Apple Banana Carrot
1 101    a   0.1     NA     NA
2 101    b   0.2     NA     NA
3 101    c   0.3     NA     NA
4 102    d   0.4   0.00     NA
5 102    e   0.0   0.55     NA
6 103    f    NA     NA    0.6

希望对您有所帮助

Answer 2

我会使用长格式并使用来自 dplyr 的连接。

我会先回到长格式，如下所示：

library(tidyverse)
long_format <- d %>% 
  gather(fruit, value, -pat, -gene)

然后我会将查找创建为 data_frame，这样我们就可以使用联接。

lookup <- tribble(~pat, ~fruit,
                  101, "Apple",
                  102, "Apple",
                  102, "Banana",
                  103, "Carrot")

使用 right_join 方法，我们保留查找中的所有组合。然后我们用 0 替换缺失值并传播回宽格式，以备不时之需。

long_format %>% 
  right_join(lookup) %>% 
  replace_na(replace = list(value = 0)) %>%
  spread(fruit, value)
#> Joining, by = c("pat", "fruit")
#> pat gene Apple Banana Carrot
#> 1 101    a   0.1     NA     NA
#> 2 101    b   0.2     NA     NA
#> 3 101    c   0.3     NA     NA
#> 4 102    d   0.4   0.00     NA
#> 5 102    e   0.0   0.55     NA
#> 6 103    f    NA     NA    0.6

Answer 3

抱歉，这里没有 dplyr 但代码相当简单。

for(i in unique(lookup)){
    need_to_replace = is.na(d[[i]]) & (d$pat %in% names(lookup[lookup %in% i]))
    d[[i]][need_to_replace] = 0
}

d

   pat gene Apple Banana Carrot
1 101    a   0.1     NA     NA
2 101    b   0.2     NA     NA
3 101    c   0.3     NA     NA
4 102    d   0.4   0.00     NA
5 102    e   0.0   0.55     NA
6 103    f    NA     NA    0.6

基于查找向量的条件重新编码

Conditional recode based on lookup vector

lookup

r

dplyr

recode