使用包含键对的另一个数据框更改数据框列中的值答案

【问题标题】：change the values in a column of a dataframe using another dataframe that contains key pairs使用包含键对的另一个数据框更改数据框列中的值
【发布时间】：2021-10-24 21:20:59
【问题描述】：

我有以下示例 df

df <- data.frame(old=c("412oldname1","32oldname132","oldname141","132oldname2","oldname3","oldname4","oldname5"))

        old
1   412oldname1
2   32oldname132
3   oldname141
4   132oldname2
5   oldname3
6   oldname4
7   oldname5

我想使用 grepl 提取行并替换。

keypairs <- data.frame(old=c("oldname1","oldname2"),new=c("newname1","newname2"))

       old      new
1 oldname1 newname1
2 oldname2 newname2

所需的数据框是：

        old
1   newname1
2   newname1
3   newname1
4   newname2

理想情况下，我可以用模式替换 grepl 的输出，然后使用 left_join 并选择 new 列。

到目前为止，我有：

df %>% filter(grepl(keypairs$old,collapse="|"))
# still trying to figure out what to do at this step
%>% left_join(keypairs) %>% select(new)

【问题讨论】：

标签： r tidyverse

【解决方案1】：

可能有更有效的方法，但我以前使用过类似的方法。

library(dplyr)
library(purrr)
library(stringr)

str_grab <- function(string, pattern) pattern[str_which(string, coll(pattern))[1]]

使用它来提取标准化名称。

df %>% 
  mutate(clean = map_chr(old, str_grab, keypairs$old)) %>% 
  left_join(keypairs, by = c(clean = "old"))
#            old    clean      new
# 1  412oldname1 oldname1 newname1
# 2 32oldname132 oldname1 newname1
# 3   oldname141 oldname1 newname1
# 4  132oldname2 oldname2 newname2
# 5     oldname3     <NA>     <NA>
# 6     oldname4     <NA>     <NA>
# 7     oldname5     <NA>     <NA>

如果您只想保留匹配的内容，请使用 inner_join() 而不是 left_join()。然后您可以使用基本的dplyr 命令重命名并选择您想要的列。

df %>% 
  mutate(clean = map_chr(old, str_grab, keypairs$old)) %>% 
  inner_join(keypairs, by = c(clean = "old")) %>% 
  select(old = new)
#        old
# 1 newname1
# 2 newname1
# 3 newname1
# 4 newname2

正如怀疑的那样，有一种更有效的方法。以下是建议方法的一些基准。

Martin Gal 提供的方法在执行时间和代码行数上要高效得多。

Unit: milliseconds
            expr     min       lq      mean   median       uq     max neval
   method_adam()  7.1371  7.68660  8.706662  8.03725  8.54810 16.5197   100
 method_martin()  1.1090  1.21125  1.464750  1.29145  1.42950  7.1925   100
  method_akrun() 25.4143 26.72945 29.400662 27.64135 32.21115 50.5500   100

【讨论】：

【解决方案2】：

类似亚当的方法：

library(dplyr)
library(stringr)
library(tibble)
# or simply
# library(tidyverse) 

df %>% 
  mutate(new = deframe(keypairs)[str_extract(old, paste(keypairs$old, collapse = "|"))])

           old      new
1  412oldname1 newname1
2 32oldname132 newname1
3   oldname141 newname1
4  132oldname2 newname2
5     oldname3     <NA>
6     oldname4     <NA>
7     oldname5     <NA>

这里发生了什么？

deframe(keypairs) 创建一个“查找”向量。例如：如果我们将“oldname1”放入其中，则返回“newname1”。
str_extract 提取查找的输入。我们在old 列中搜索正确的“旧名称”。

【讨论】：

这无疑是一种更有效的方式。我跑了一个基准只是为了好玩，这运行得更快。

【解决方案3】：

我们可以使用fuzzyjoin

library(fuzzyjoin)
regex_left_join(df, keypairs, by = 'old') %>% 
     transmute(old = old.x, new)
           old      new
1  412oldname1 newname1
2 32oldname132 newname1
3   oldname141 newname1
4  132oldname2 newname2
5     oldname3     <NA>
6     oldname4     <NA>
7     oldname5     <NA>

【讨论】：