根据单独的列表/数据框 R 替换字符串

Question

我正在尝试做一些我认为很简单但让我难过的事情。

假设我有以下数据框：

id <- c("bob_geldof", "billy_bragg", "melvin_smith")
code <- c("blah", "di", "blink")
df <- as.data.frame(cbind(id,code))

> df
             id  code
1    bob_geldof  blah
2   billy_bragg    di
3  melvin_smith blink

还有一个这样的：

ID1 <- c("bob_geldof", "melvin_smith")
ID2 <- c("the_builder", "kelvin")
alternates <- as.data.frame(cbind(ID1, ID2))

> alternates
            ID1         ID2
1    bob_geldof the_builder
2  melvin_smith      kelvin

如果df$id 中的字符串匹配alternates$ID1，我想用alternates$ID2 替换它。如果不匹配，我想保持原样。

最终的 df 应该是这样的

> df
               id   code
1 bob_the_builder   blah
2     billy_bragg     di
3   melvin_kelvin  blink

这显然是一个愚蠢的例子，我的真实数据集需要大量替换。

我添加了“代码”列来证明我正在使用数据框，而不仅仅是字符向量。

我一直在使用 gsub 单独替换它们，但这很耗时，而且列表不断变化。

我查看了 str_replace，但您似乎只能指定一个替换值。

任何帮助将不胜感激。

干杯！

编辑：并非所有 id 都包含下划线，我需要保留匹配的位。例如。 bob_geldolf 成为 bob_the_builder。

编辑2（！）：感谢大家的建议。我通过合并数据框（以便有不需要进行更改的 NA）并使用 ifelse 语句创建新 ID 来解决这个问题。这有点笨拙，但很有效！

Answer 1

创建dataframes 时使用stringsAsFactors = FALSE 以免处理因素。然后，如果行是有序的，只需应用：

df <- as.data.frame(cbind(id,code),stringsAsFactors = FALSE)
alternates <- as.data.frame(cbind(ID1, ID2),stringsAsFactors = FALSE)

df$id[c(TRUE,FALSE)]=paste(gsub("(.*)(_.*)","\\1",df$id[c(TRUE,FALSE)]),
                         alternates$ID2,sep="_")

> df
               id  code
1 bob_the_builder  blah
2     billy_bragg    di
3   melvin_kelvin blink

如果它们是无序的，我们可以使用dlyr：

df%>%rowwise()%>%mutate(id=if_else(length(which(alternates$ID1==id))>0,
                                  paste(gsub("(.*)(_.*)","\\1",id),
                                        alternates$ID2[which(alternates$ID1==id)],sep="_"),
                                  id))
# A tibble: 3 x 2
  id              code 
  <chr>           <chr>
1 bob_the_builder blah 
2 billy_bragg     di   
3 melvin_kelvin   blink

我们使用与以前相同的逻辑。在这里，我们逐行检查df。如果它的id 匹配任何alternatives$ID1（由length() 检查），我们会更新它。

Answer 2

以下解决方案使用 base-R 并进行了一些简化。第 1 步：使用左连接将主“df”和“备用”df 合并在一起。第 2 步：检查 ID2 值在哪里没有丢失 (NA)，然后将这些值分配给“id”。这将保留您的原始 ID（如果可用）；并在匹配 ID 可用的情况下将其替换为 ID2

解决办法：

combined <- merge(x=df,y=alternates,by.x="id",by.y="ID1",all.x=T)
combined$id[!is.na(combined$ID2)] <- combined$ID2[!is.na(combined$ID2)]

使用完整的原始数据框定义（使用 stringsAsFactors=F）：

id <- c("bob_geldof", "billy_bragg", "melvin_smith")
code <- c("blah", "di", "blink")
df <- as.data.frame(cbind(id,code),stringsAsFactors = F)

ID1 <- c("bob_geldof", "melvin_smith")
ID2 <- c("the_builder", "kelvin")
alternates <- as.data.frame(cbind(ID1, ID2),stringsAsFactors = F)

combined <- merge(x=df,y=alternates,by.x="id",by.y="ID1",all.x=T)
combined$id[!is.na(combined$ID2)] <- combined$ID2[!is.na(combined$ID2)]

结果：（下面的完整合并，您也可以为精简结果做combined[,c("id","code")]）。这里，不匹配的“billy_bragg”被保留；其他的被替换为匹配的ID

> combined
           id  code         ID2
1 billy_bragg    di        <NA>
2 the_builder  blah the_builder
3      kelvin blink      kelvin