使用数据值（字典）。 R中的数据帧和重新编码

Question

我正在尝试使用包含 30 个左右变量的 data.frame。这些变量都有不同的数值（例如“0”或“32”）。数值映射到字符串（例如，在变量 Q1 中，“0”是“城市”；在变量 Q6 中，“32”是“不可用”）。

我在网上看到了 recode 的一些用法，还有一个旧的 plyr 包做这个映射，还有 match 函数，但我没有找到任何匹配确切结构的东西我有。

我在下面提供了一个可重现的例子：

  test <- as.data.frame(c("1", "2", "3"))
  colnames(test) <- "Q1"
    
  dictionary <- as.data.frame(c("1", "2", "3"))
  dictionary$values <- c("dog", "fish", "cat")
  dictionary$question <- c("Q1", "Q1", "Q1")
  colnames(dictionary)[1] <- "keys"

所以，这里 dictionary$question 包含要映射到的问题；然后“键”和“值”提供映射。因此，在测试数据框中，我有一个变量 (Q1)，它采用三个可能的值，“1”、“2”或“3”。我需要将它们映射回“狗”、“鱼”、“猫”。

但我需要一种自动方法将目标数据框中的列映射到字典中的行，然后转换值，因为实际上我有超过 1000 个可能的值和 30 个变量。

编辑：我期望的是这样的函数或命令：

fun(test, dictionary)

输出：data.frame 和 c("dog", "fish", "cat")。

或者，如果测试是 c("1", "1", "1")，它将是 c("dog", "dog", "dog")

Answer 1

如果有很多列，循环 across 'test' 列，匹配并替换从 'dictionary' 的 subset 创建的命名向量中的值，其中'question' 与相应的列名 (cur_column()) 匹配，然后使用 coalesce 用原始数据值填充任何 NA 值

library(dplyr)
library(tibble)
test %>%
      mutate(across(everything(), ~ 
     coalesce(deframe(subset(dictionary, question == cur_column(), 
          select= -question))[as.character(.)], as.character(.))))
    Q1
1  dog
2 fish
3  cat

或者为了防止多次调用 as.character，只调用一次

test %>%
   mutate(across(everything(), as.character),
          across(everything(), 
           ~coalesce(deframe(subset(dictionary, question == cur_column(), 
          select= -question))[.], .)))
 Q1
1  dog
2 fish
3  cat

或使用base R

lst1 <- split(dictionary[-3], dictionary$question)
test[names(lst1)] <- Map(function(x, y) {
    tmp <- with(y,  setNames(values, keys)[as.character(x)])
     tmp[is.na(tmp)] <- x[is.na(tmp)]
     tmp}, test[names(lst1)], lst1)

使用数据值（字典）。 R中的数据帧和重新编码

Working with data values (dictionary). dataframes and recoding in R

dictionary

r

match