以有效的方式重新编码相关值答案

【问题标题】：recode related values in an efficient way以有效的方式重新编码相关值
【发布时间】：2017-10-02 14:39:10
【问题描述】：

我有一个数据框 df，其中只有一个变量 var 和一些相关值。

df <- data.frame(var = c(rep('AUS',12), rep('NZ',12), rep('ENG',7), rep('SOC',12), 
                            rep('PAK',11), rep('SRI',17), rep('IND',15)))

df %>% count(var)
# # A tibble: 7 x 2
#      var     n
#   <fctr> <int>
# 1    AUS    12
# 2    ENG     7
# 3    IND    15
# 4     NZ    12
# 5    PAK    11
# 6    SOC    12
# 7    SRI    17

基于一些关系，一些值应该用新值重新编码。

df %>% mutate(var = recode(var, 'AUS' = 'A', 'NZ' = 'A', 'ENG' = 'A', 
                           'SOC' = 'A', 'PAK' = 'B', 'SRI' = 'B')) %>% count(var)
# A tibble: 3 x 2
#      var     n
#   <fctr> <int>
# 1      A    43
# 2    IND    15
# 3      B    28

可以看出A和B分别重新编码为4和2的值。我也有这个问题的预期解决方案。但是，有没有其他有效的方法来做到这一点，而不是指定关系相同的次数（4,2）？？

【问题讨论】：

类似replace(var, var %in% to_change_A, 'A') 和分别用于B？
看起来您有一个自定义列表要重新编码。试试case_when，即df %>% mutate(var = as.character(var), var =case_when(var %in% c('AUS', 'NZ', 'ENG', 'SOC') ~ 'A', var %in% c('PAK', 'SRI') ~ 'B', TRUE ~var))
或者，将替换列表转换为 data.frame 并进行合并/加入。
您的意思是保持 IND 不变吗？还是 IND 也应该得到一个代码？
@G5W 是的..（至少现在）。

标签： r dplyr recode

【解决方案1】：

一种方法是使用带有命名条目的向量作为查找表。

Codes = c(rep('A', 4), rep('B', 2), 'IND') 
names(Codes) = c('AUS', 'NZ', 'ENG', 'SOC', 'PAK', 'SRI', 'IND')
df$var = Codes[as.character(df$var)]

【讨论】：