R：查找一个df col中的字符并将其替换为另一个df中的字符

Question

我有一个 df（数据框 A），其中有超过 20 万行，错误的 ID 散布在单个列 (id) 中。我有另一个 df（数据框 B），其中数据框 A 的所有错误 ID 都与更正后的 ID 相匹配。如何使用数据框 B 修复数据框 A 的 id 列中的错误？

旧数据框 A 列：

id
C-2005-8-11-14
C-2005-8-11-15
C-2005-8-11-16
C-2006-3-7-1
C-2007-1-10-8
C-2007-1-10-9
C-2007-1-10-10
C-2008-7-2-4
C-2009-1-15-41

数据帧 B：

bad_id          correct_id
C-2005-8-11-14  C-2005-8-22-14
C-2006-3-7-1    C-2006-3-30-1
C-2009-1-15-41  C-2009-1-12-41

新数据框 A 列：

id
C-2005-8-22-14
C-2005-8-11-15
C-2005-8-11-16
C-2006-3-30-1
C-2007-1-10-8
C-2007-1-10-9
C-2007-1-10-10
C-2008-7-2-4
C-2009-1-12-41

Answer 1

可能的解决方案：

library(dplyr)

df1 %>% 
  full_join(df2, by = c("id" = "bad_id")) %>% 
  mutate(correct_id = coalesce(id, correct_id), id = NULL)

#>       correct_id
#> 1 C-2005-8-11-14
#> 2 C-2005-8-11-15
#> 3 C-2005-8-11-16
#> 4   C-2006-3-7-1
#> 5  C-2007-1-10-8
#> 6  C-2007-1-10-9
#> 7 C-2007-1-10-10
#> 8   C-2008-7-2-4
#> 9 C-2009-1-15-41

Answer 2

我们可以用 ifelse 语句来完成：假设 df1 = A, df2 = B:

library(dplyr)

A %>% 
  mutate(id = ifelse(id %in% B$bad_id, B$correct_id, id))

              id
1 C-2005-8-22-14
2 C-2005-8-11-15
3 C-2005-8-11-16
4 C-2005-8-22-14
5  C-2007-1-10-8
6  C-2007-1-10-9
7 C-2007-1-10-10
8   C-2008-7-2-4
9 C-2009-1-12-41

R：查找一个df col中的字符并将其替换为另一个df中的字符

R: Find and replace character in one df col with character from another df

r

replace