如何跨列创建唯一标识符 ID？答案

【问题标题】：How to create a unique identifier ID across columns?如何跨列创建唯一标识符 ID？
【发布时间】：2017-09-28 13:51:35
【问题描述】：

我正在尝试准备用于 R 和 Gephi 中的各种网络可视化应用程序的数据。这些格式需要连接两个数据库的数字标识符。我已经弄清楚了后一部分，但是我无法找到一种简洁的方法来跨数据框中的列创建数字 ID 变量。这是一些可复制的代码，说明了我正在尝试做的事情。

org.data <- data.frame(source=c('bob','sue','ann','john','sinbad'),
       target=c('sinbad','turtledove','Aerosmith','bob','john'))

desired.data <- data.frame(source=c('1','2','3','4','5'),
                       target=c('5','6','7','1','4'))


org.data

  source     target
1    bob     sinbad
2    sue     turtledove
3    ann     Aerosmith
4    john    bob
5    sinbad  john

desired.data

  source target
1    1      5
2    2      6
3    3      7
4    4      1
5    5      4

【问题讨论】：

标签： r numeric recode

【解决方案1】：

这是在原始 data.frame 中未列出的唯一名称上使用 match 的基本 R 方法。

要替换当前的data.frame，请使用

org.data[] <- sapply(org.data, match, table=unique(unlist(org.data)))

这里，sapply 循环遍历 org.data 中的变量，并将 match 应用于每个变量。 match 返回表参数中第一个参数的位置。在这里，table 是 org.data 中未列出的唯一元素：unique(unlist(org.data))。在这种情况下，sapply 返回一个矩阵。它被转换为data.frame，通过将[] 附加到org.data[] <- 中的org.data 来替换原始数据。这种构造可以认为是在赋值过程中保留了原始对象的结构。

要构造一个新的data.frame，使用

setNames(data.frame(sapply(org.data, match, table=unique(unlist(org.data)))),
         names(org.data))

或者更好，正如 Henrik 建议的那样，首先创建 data.frame 的副本，然后使用第一行代码填充副本，而不是使用 setNames 和 data.frame，可能会更容易。

desired.data <- org.data

这两个都返回

  source target
1      1      5
2      2      6
3      3      7
4      4      1
5      5      4

【讨论】：

即使 OP 想要构建一个新的数据框，您也可以创建一个原始数据帧的副本，然后将您的第一个代码的结果分配给该副本。 desired.data <- org.data; desired.data[] <- sapply(org.data, match, table=unique(unlist(org.data))) （从setNames(data.frame( 中拯救你，因为我们必须假设结果迟早会被分配？）。 +1！
感谢@Henrik 的建议。首先创建副本可能会更简单，并且可能会减少中间副本。
谢谢，您介意简单解释一下这里发生了什么吗？
@elliot 我添加了一些额外的评论。

【解决方案2】：

你可以试试这个：

org.data[] <- as.numeric(factor(c(as.matrix(org.data)), levels = unique(c(as.matrix(org.data)))))
org.data
  source target
1      1      5
2      2      6
3      3      7
4      4      1
5      5      4

【讨论】：

【解决方案3】：

您可以尝试关注。这个想法是使用所有唯一名称的级别来创建因子。

library(tidyverse)
org.data %>% 
  mutate(source2 = factor(source, levels=unique(unlist(org.data)) ,  labels=1:length(unique(unlist(org.data))))) %>% 
  mutate(target2 = factor(target, levels=unique(unlist(org.data)) ,  labels=1:length(unique(unlist(org.data)))))
  source     target source2 target2
1    bob     sinbad       1       5
2    sue turtledove       2       6
3    ann  Aerosmith       3       7
4   john        bob       4       1
5 sinbad       john       5       4

【讨论】：

【解决方案4】：

转换为因子，然后转换为整数。

org.data <- data.frame(source=c('bob','sue','ann','john','sinbad'),
                       target=c('sinbad','turtledove','Aerosmith','bob','john'))

# need to make sure that columns are characters, not factors
org.data$source <- as.character(org.data$source)
org.data$target <- as.character(org.data$target)

# define possible values that cover the two columns
levels <- unique(c(org.data$source, org.data$target))

# factorize, then cast to integer
org.data$source <- as.integer(factor(org.data$source, levels=levels))
org.data$target <- as.integer(factor(org.data$target, levels=levels))

org.data

【讨论】：