基于其他数据框映射替换某些行中的值

Question

我有一个表格（d.tab），其中包含问卷答案对。其中一些是单选答案，一些是多选题。我想从它的数值中查找单选答案的文本值。为此，我有一个查询表（d.lookup）。

我尝试过merge这些，但它有点难看，因为我现在必须过滤掉value != answer_id的所有行。有没有更漂亮的方式做到这一点，可能使用plyr或dplyr或tidyr？

tab = ' 
question_id question_type subject value 
1 single-choice 1 1 
2 multiple-choice 1 2 
3 single-choice 1 2 
1 single-choice 2 2 
2 multiple-choice 2 3,4 
3 single-choice 2 2 
' 

lookup = ' 
question_id answer_id answer_text 
1 1 female 
1 2 male 
3 1 no 
3 2 yes 
' 

d.tab = read.table(text = tab, header = TRUE) 
d.lookup = read.table(text = lookup, header = TRUE) 

merge(d.tab, d.lookup, by = "question_id", all.x = TRUE) 

我不想multiple-choice行做任何事情，但如果answer_id的比赛中value简单地更新原来的数据帧从d.tab的answer_text的实际文本，以取代value。

我知道我可以做：

merge(d.tab, d.lookup, by.x = c("question_id", "value"), by.y = c("question_id", "answer_id"), all.x = TRUE) 

但是，这给了我一个新列answer_text与原value还在那里，我不需要。

Answer 1

在您的问题中您有正确的电话merge()。剩下的就是你筛选单选答案的行并选择除value之外的所有列。

library(dplyr) 
filter(d.tab, question_type == "single-choice") %>% 
    mutate(value = as.numeric(as.character(value))) %>% 
    merge(d.lookup, by.x = c("question_id", "value"), 
     by.y = c("question_id", "answer_id")) %>% 
    select(-value) 

第二行包含因子变量value为数字的显式转换：使用dplyr，这可以如下完成。这很重要，因为将因素转换为数字可能会导致奇怪的结果。我会在下面添加一些关于这个主题的内容。

请注意dplyr还带有自己的函数来替换合并。如果你的桌子很大，你会注意到这些效率更高。使用left_join从dplyr解读：

library(dplyr) 
filter(d.tab, question_type == "single-choice") %>% 
    mutate(value = as.numeric(as.character(value))) %>% 
    left_join(d.lookup, 
      by = c("question_id" = "question_id", 
        "value" = "answer_id")) %>% 
    select(-value) 

所以这里就来，我答应因素注释。与因素有关的问题是，它们实际上是整数，其中每个整数值都有一个与其关联的标签。当你天真地将因子转换为数字as.numeric()时，你会得到与标签相关的整数。你几乎肯定会遇到这个问题与你的数据，这是为什么。

我创建一个模拟了你的数据的因子变量：

values <- factor(c("1", "2", "3,4", "3", "4")) 

现在我丢掉第三个值（"3,4"），并转换为数字：

as.numeric(values[-3]) 
## [1] 1 2 3 5 

这可能不是你所期望的。原因是数字1到5与我们上面定义的五个级别相关联。如果你想获得匹配的标签，这些数字，你需要先转换为字符：

as.numeric(as.character(values[-3])) 
## [1] 1 2 3 4 

所以，尽管merge()没有的因素，以数字的地方转换，我不会依赖于它做它以你想要的方式。因此，您应该明确地进行转换。

Answer 2

与data.table的替代解决方案：

library(data.table) 

# converting to datatables & setting the 'answer_id' to character 
setDT(d.tab) 
setDT(d.lookup)[, answer_id := as.character(answer_id)] 

# join 'd.tab' with 'd.lookup' and update 'value' by reference 
d.tab[d.lookup, value := answer_text, on = c("question_id", "value"="answer_id")] 

其给出：

question_id question_type subject value 
1:   1 single-choice  1 female 
2:   2 multiple-choice  1  2 
3:   3 single-choice  1 yes 
4:   1 single-choice  2 male 
5:   2 multiple-choice  2 3,4 
6:   3 single-choice  2 yes 

---

如已经由@Stibu提到的，可能是更好的分割具有多个行值。从splitstackshape包cSplit函数的一个例子：

library(splitstackshape) 
cSplit(d.tab, "value", sep=",", 
     direction="long", 
     type.convert = FALSE)[d.lookup, 
          value := answer_text, 
          on = c("question_id", "value"="answer_id")] 

# or everything in 'data.table' 
d.tab[, lapply(.SD, function(x) unlist(tstrsplit(x, ','))), setdiff(names(d.tab),"value") 
     ][d.lookup, value := answer_text, on = c("question_id", "value"="answer_id")][] 

这既给：

question_id question_type subject value 
1:   1 single-choice  1 female 
2:   2 multiple-choice  1  2 
3:   3 single-choice  1 yes 
4:   1 single-choice  2 male 
5:   2 multiple-choice  2  3 
6:   2 multiple-choice  2  4 
7:   3 single-choice  2 yes