重新编码数据框值：每列都有其单独的查找表 给我的东西

编程问答 2022-05-23

问题描述

我有一个包含多列的数据框，我想重新编码值。每列都有自己的一组重新编码规则，在 original replacement 映射表中给出（每个表特定于每一列）。

我正在尝试提出一个程序化的解决方案，让我能够实现这样的重新编码过程。

示例

给我的东西

  • 数据
  • 表存储有关每列重新编码指令的信息
library(tibble)

# 1. data
my_mtcars <-
  mtcars %>%
  rownames_to_column("cars")

# 2. table storing information about per-column recoding instructions
recoding_table <-
  structure(
  list(
    var_name = c("cars","am","vs"),original_vs_replacement_tbl = list(
      structure(
        list(
          original = c("Mazda RX4","Hornet 4 Drive","Ferrari Dino"),replacement = c("my_pretty_mazda","my_amazing_hornet","my_speedy_ferrari")
        ),row.names = c(NA,-3L),class = c("tbl_df","tbl","data.frame")
      ),structure(
        list(original = c(0,1),replacement = c(333,777)),-2L),replacement = c(1010,2020)),"data.frame")
      )
    )
  ),"data.frame")
)

> recoding_table
## # A tibble: 3 x 2
##   var_name original_vs_replacement_tbl
##   <chr>    <list>                     
## 1 cars     <tibble [3 x 2]>           
## 2 am       <tibble [2 x 2]>           
## 3 vs       <tibble [2 x 2]> 

> deframe(recoding_table)
## $cars
## # A tibble: 3 x 2
##   original       replacement      
##   <chr>          <chr>            
## 1 Mazda RX4      my_pretty_mazda  
## 2 Hornet 4 Drive my_amazing_hornet
## 3 Ferrari Dino   my_speedy_ferrari

## $am
## # A tibble: 2 x 2
##   original replacement
##      <dbl>       <dbl>
## 1        0         333
## 2        1         777

## $vs
## # A tibble: 2 x 2
##   original replacement
##      <dbl>       <dbl>
## 1        0        1010
## 2        1        2020

我的问题：当我获得 my_mtcars 时，如何以编程方式重新编码 recoding_table 中的值？

我心中有一个方向
如果我尝试手动解决这个问题，对于 my_mtcars 中的一列，我会这样做：

library(dplyr) 

# 1. get a named vector that maps original vs. replacement values
recoding_vec_am <-
  recoding_table %>%
  filter(var_name == "am") %>%
  pull(original_vs_replacement_tbl) %>%
  deframe() %>%
  pull(replacement,original)

> recoding_vec_am
##   0   1 
## 333 777 

# 2. recode
my_mtcars %>%
  mutate(across(am,recode,!!!recoding_vec_am)) %>% 
  select(am) %>%
  head()

##    am
## 1 777
## 2 777
## 3 777
## 4 333
## 5 333
## 6 333

但话又说回来，我希望有一个自动方法来遍历 my_mtcars 列并检查 recoding_table$var_name：如果 my_mtcars 中的列出现在 recoding_table$var_name 中，则根据 my_mtcars 中的表重新编码 recoding_table$original_vs_replacement_tbl 中该列的值。 未出现在 recoding_table$var_name 中的数据列应保持不变。

期望的输出

##                   cars  mpg cyl  disp  hp drat    wt  qsec   vs  am gear carb
## 1      my_pretty_mazda 21.0   6 160.0 110 3.90 2.620 16.46 1010 777    4    4
## 2        Mazda RX4 Wag 21.0   6 160.0 110 3.90 2.875 17.02 1010 777    4    4
## 3           Datsun 710 22.8   4 108.0  93 3.85 2.320 18.61 2020 777    4    1
## 4    my_amazing_hornet 21.4   6 258.0 110 3.08 3.215 19.44 2020 333    3    1
## 5    Hornet Sportabout 18.7   8 360.0 175 3.15 3.440 17.02 1010 333    3    2
## 6              Valiant 18.1   6 225.0 105 2.76 3.460 20.22 2020 333    3    1
## 7           Duster 360 14.3   8 360.0 245 3.21 3.570 15.84 1010 333    3    4
## 8            Merc 240D 24.4   4 146.7  62 3.69 3.190 20.00 2020 333    4    2
## 9             Merc 230 22.8   4 140.8  95 3.92 3.150 22.90 2020 333    4    2
## 10            Merc 280 19.2   6 167.6 123 3.92 3.440 18.30 2020 333    4    4
## 11           Merc 280C 17.8   6 167.6 123 3.92 3.440 18.90 2020 333    4    4
## 12          Merc 450SE 16.4   8 275.8 180 3.07 4.070 17.40 1010 333    3    3
## 13          Merc 450SL 17.3   8 275.8 180 3.07 3.730 17.60 1010 333    3    3
## 14         Merc 450SLC 15.2   8 275.8 180 3.07 3.780 18.00 1010 333    3    3
## 15  Cadillac Fleetwood 10.4   8 472.0 205 2.93 5.250 17.98 1010 333    3    4
## 16 Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82 1010 333    3    4
## 17   Chrysler Imperial 14.7   8 440.0 230 3.23 5.345 17.42 1010 333    3    4
## 18            Fiat 128 32.4   4  78.7  66 4.08 2.200 19.47 2020 777    4    1
## 19         Honda Civic 30.4   4  75.7  52 4.93 1.615 18.52 2020 777    4    2
## 20      Toyota Corolla 33.9   4  71.1  65 4.22 1.835 19.90 2020 777    4    1
## 21       Toyota Corona 21.5   4 120.1  97 3.70 2.465 20.01 2020 333    3    1
## 22    Dodge Challenger 15.5   8 318.0 150 2.76 3.520 16.87 1010 333    3    2
## 23         AMC Javelin 15.2   8 304.0 150 3.15 3.435 17.30 1010 333    3    2
## 24          Camaro Z28 13.3   8 350.0 245 3.73 3.840 15.41 1010 333    3    4
## 25    Pontiac Firebird 19.2   8 400.0 175 3.08 3.845 17.05 1010 333    3    2
## 26           Fiat X1-9 27.3   4  79.0  66 4.08 1.935 18.90 2020 777    4    1
## 27       Porsche 914-2 26.0   4 120.3  91 4.43 2.140 16.70 1010 777    5    2
## 28        Lotus Europa 30.4   4  95.1 113 3.77 1.513 16.90 2020 777    5    2
## 29      Ford Pantera L 15.8   8 351.0 264 4.22 3.170 14.50 1010 777    5    4
## 30   my_speedy_ferrari 19.7   6 145.0 175 3.62 2.770 15.50 1010 777    5    6
## 31       Maserati Bora 15.0   8 301.0 335 3.54 3.570 14.60 1010 777    5    8
## 32          Volvo 142E 21.4   4 121.0 109 4.11 2.780 18.60 2020 777    4    2

由于我已经习惯了 tidyverse 函数，因此 dplyr 或 purrr 解决方案对我来说是理解的理想选择。但我对任何有效的东西持开放态度。谢谢！

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

dplyrpurrrrrrecodereplace