R：如果存在于另一个数据框中则替换值

Question

我想在 R 中可视化多个数据集。不幸的是，数据集之间的命名不一致或使用同义词（例如，“apple”拼写为“apple”、“Apple”和“APPLE”）。

我有一个跨数据集引用命名法的数据框：

Name Dataset A	Name Dataset B	Name Dataset C
Apple	APPLE	apple
Pear	PEAR	NA
Melon	NA	melon

我想让事情保持一致，例如遍历数据集 B 和 C，并将它们的命名法替换为数据集 A 的命名法（如果可用）。有人有什么建议吗？

提前致谢！

Answer 1

如果你只想修改一些字符的大小写，或许你可以将数据转换成一个列表，然后递归地应用一个函数。你可以尝试这样的事情：

df = data.frame(col1 =c("Apple", "Pear", "Melon"))

df1 = data.frame(col1 =c("APPLE", "PEAR", NA))

df2 = data.frame(col1 =c("apple", NA, "melon"))

dflist = mget(ls(pattern = "df")) # Put all the data frames in a list

然后您可以将函数应用于每个元素，例如，使用 rapply

将所有单词转换为小写

thelist = rapply(dflist, tolower, how = "list")

输出

$df
$df$col1
[1] "apple" "pear"  "melon"


$df1
$df1$col1
[1] "apple" "pear"  NA     


$df2
$df2$col1
[1] "apple" NA      "melon"

可以对列表应用其他字符串操作，例如，搜索模式并使用 gsub() 和 lapply():

进行替换

thelist2 = lapply(thelist, "[[", "col1") |> # Extracting "col1"
    lapply(\(x) gsub('apple', 'pink lady', x)) # Replace 'apple' with 'pink lady'

输出

$df
[1] "pink lady" "pear"      "melon"    

$df1
[1] "pink lady" "pear"      NA         

$df2
[1] "pink lady" NA          "melon"

您也可以使用类似的方法 rapply:

thelist3 = rapply(thelist, \(x) gsub('apple', 'pink lady', x), how = 'list')

根据您的数据结构，您还可以加入数据框，然后根据需要应用函数。

Answer 2

如果您有这样的姓名和数据：

df_names = data.frame(names_for_a = c("apple", "orange"),
                      names_for_b = c("pink lady", "ORANGE"))
df_b = data.frame(index = 1:9, name = rep(c("pink lady", "ORANGE", "ORANGE"), 3))

我会这样做：

df_b$name = df_names$names_for_a[match(df_b$name, df_names$names_for_b)]

这个线程可能对您正在做的事情也有帮助：

R：如果存在于另一个数据框中则替换值

R: Replacing values if present in another dataframe

if-statement

r

lapply

dplyr