从另一个包含基于列的分层分类法创建数据框

Question

我有一个表，其中包含一些类别的层次结构：

例如

“猫”属于“家畜”，“家畜”属于“动物”

下面我用 segment.parent 显示我的数据，它告诉每个实体所属的宏类别。我想创建一个新表，其中只有层次结构的叶子和它所属的两个宏类别的变量

segment.id     Name.                 segment.parent
   1            cat                       3
   2            dog                       3
   3            domestic animals          4
   4            animals                   NA
   5            cake                      7
   6            ice-cream                 7
   7            dessert                   8
   8            food                      NA
   9            main-course               8

我想要得到的是以下内容

segment.id     Name                 segment.parent   Name.parent              Name.parent.parent
   1            cat                       3           domestic animals          animals
   2            dog                       3           domestic animals          animals
   5            cake                      7           dessert                   food
   6            ice-cream                 7           dessert                   food

Answer 1

您必须做的第一件事是选择作为父母的细分。那些不是父母的将是叶子。

parent.ids <- unique(df$segment.parent)

现在使用 dplyr() 库，您可以只过滤那些 id 不是父 id 的实体，然后加入两次以获得父类别。

library(dplyr)

df %>%
  subset(! segment.id %in% parent.ids) %>%
  left_join(df, by = c("segment.parent" = "segment.id"), suffix = c("", ".x")) %>%
  left_join(df, by = c("segment.parent.x" = "segment.id"), suffix = c("", ".x")) %>%
  select(segment.id, Name., segment.parent, Name.parent = Name..x, Name.parent.parent = Name..x.x) %>%
  print(row.names = F)

输出

 segment.id       Name. segment.parent      Name.parent Name.parent.parent
          1         cat              3 domestic animals            animals
          2         dog              3 domestic animals            animals
          5        cake              7          dessert               food
          6   ice-cream              7          dessert               food
          9 main-course              8             food               <NA>

我冒昧地使用了left_join()，即使没有父类别，它也会检索行。这就是 main-course 出现在输出列表中的原因。如果只想带至少两级以上的物品，可以将left_join()替换为inner_join()。

Answer 2

我不确定您正在使用的数据集有多大，但我的建议是拥有第二个数据集（即data2），其中包含相应的segment.parent 值以及其他两个变量。然后使用dplyr，您可以加入数据集并过滤重复项。

library(dplyr)
data3 <- inner_join(data1, data2, by = "segment.parent") %>%
  filter(duplicated(data3))

> data3
  segment.id     Name. segment.parent      Name.parent Name.parent.parent
1          1       cat              3 domestic animals            animals
2          2       dog              3 domestic animals            animals
3          5      cake              7           desert               food
4          6 ice-cream              7           desert               food

您的数据：

data1 <- data.frame(segment.id = 1:9,
                    Name. = c("cat", "dog", "domestic animals", "animals", "cake", "ice-cream", "dessert", "food", "main-course"),
                    segment.parent = c(3, 3, 4, NA, 7, 7, 8, NA, 8))

data2  <- data.frame(segment.parent = c(3, 3, 7, 7),
                     Name.parent = c("domestic animals", "domestic animals", "desert", "desert"),
                     Name.parent.parent = c("animals", "animals", "food", "food"))

Answer 3

正如其他人所提到的，我不确定您的数据集有多大。以下解决方案是短期解决方案。您可能需要稍微重塑您的数据并查看pivoting。

library(dplyr)

df <- data.frame(segment.id = seq(1, 9),
                 Name = c("cat", "dog",
                           "domestic animals", "animals",
                           "cake", "ice-cream",
                           "dessert", "food",
                           "main-course"),

                 segment.parent = c(3, 3, 4, NA,
                                    7, 7, 8, NA, 8),
                 stringsAsFactors = FALSE)


df %>%
  dplyr::mutate(Name.parent = case_when(
    segment.parent == 3 ~ "domestic animals",
    segment.parent == 7 ~ "dessert",
  )) %>% 
  dplyr::mutate(Name.parent.parent = case_when(
      Name.parent == "domestic animals" ~ "animals",
      Name.parent == "dessert" ~ "food"
  )) %>% 
  na.omit()