重新编码列

Question

我有两个数据帧：

• 查找表lookup用完全按命名的列varName（变量名），key，和value
• 数据帧df与列varName中的值以及对应于key的值（df中的值是lookup的关键）。该数据帧比查找数据帧大得多（例如1e6行）。

我想通过对于每个变量，其中在df密钥由从lookup数据帧对应value代替追加新列重新编码在df数据。重要的是要注意，键是双重类型的。

的样本数据：

# Generate sample data 
lookup <- data.frame(
    varName = rep(LETTERS[1:3], each = 3), 
    key  = runif(9), 
    value = runif(9) 
) 

df <- expand.grid(
    A = lookup[lookup$varName == 'A', 'key'], 
    B = lookup[lookup$varName == 'B', 'key'], 
    C = lookup[lookup$varName == 'C', 'key'] 
) 

我目前的解决方案使用的临时变量重命名和join从plyr：

require(plyr) 

for (varName in unique(lookup$varName)) { 
    tmpLookup <- rename(lookup, replace = c(key = varName)) 
    df[paste0(varName, '_value')] <- join(df[varName], tmpLookup[c(varName, 'value')], 
             by = varName)['value'] 
} 

df 

问题：

• 是这样安全吗？我无法找到任何信息，如果加入double将始终正确使用join
• 有没有更好的方式来完成同样更安全和更快？

Answer 1

您可以试试data.table。使用set.seed(20)创建“df”（用于重现性）。使用melt将“df”改为“long”，转换为“data.table”（as.data.table），设置关键列（setkey(..)），加入“查找”数据集，将其转换回以dcast.data.table为“宽”格式，最后加入原始数据集，以便在数据集中添加新列和旧列。这可以使用一个for回路也做而不reshaping

library(data.table) 
library(reshape2) 
DT <- as.data.table(melt(as.matrix(df))) 
DT1 <- dcast.data.table(setkey(DT, Var2, 
      value)[lookup], Var1~Var2, value.var='i.value') 
DT2 <- setkey(setDT(df)[,Var1:=1:.N], Var1)[DT1][,Var1:=NULL] 

head(DT2,2) 
#   A   B   C  i.A   i.B  i.C 
#1: 0.8775214 0.5291637 0.09133259 0.3700745 0.001927939 0.4520996 
#2: 0.7685332 0.5291637 0.09133259 0.7155276 0.001927939 0.4520996