如何将向量中的多个值重新编码为一个值？答案

【问题标题】：How to recode multiple values in vector into one value?如何将向量中的多个值重新编码为一个值？
【发布时间】：2019-07-12 04:54:24
【问题描述】：

我有一个问题，我的data.frame 由于数据源不同而包含不同的属性。例如，state 列实际上具有相同的状态，但表示形式不同。请注意，我的实际数据未使用美国各州。

    df <- data.frame(Names=c("Adam", "Mark", "Dahlia", "Jeff", "Derek", 
                             "Arnold", "Sheppard", "Dwayne", "Nichols", "Shane"), 
                     Age=c(27, 28, 29, 37, 26, 22, 29, 34, 31, 30), 
                     States=c("AL", "Alaska", "Alabama", "WI", 
                              "Wisconsin", "AZ", "Arizona", "AL", "WI", "AK"))

我正在尝试将 AL、WI、AZ 和 AK 等值分别重新编码为 Alabama、Wisconsin、Arizona 和 Alaska。

到目前为止，我遇到了：

    case_when(

        df$States == "AL" ~ "Alabama",
        df$States == "AK" ~ "Alaska",
        df$States == "WI" ~ "Wisconsin",
        df$States == "AZ" ~ "Arizona",
    )

它给了我输出：

     [1] "Alabama"   NA          NA          "Wisconsin" NA    "Arizona" NA         
     [8] "Alabama"   "Wisconsin" "Alaska"

我不想要 NA 值所以我所做的是：

    case_when(

      df$States == "AL" ~ "Alabama",
      df$States == "Alabama" ~ "Alabama",
      df$States == "AK" ~ "Alaska",
      df$States == "Alaska" ~ "Alaska",
      df$States == "WI" ~ "Wisconsin",
      df$States == "Wisconsin" ~ "Wisconsin",
      df$States == "AZ" ~ "Arizona",
      df$States == "Arizona" ~ "Arizona",

    )

它给了我想要的输出，但我认为有更简单的方法可以做到这一点。

我正在考虑循环，因为稍后我想把它变成伪代码。但是，我对如何执行此操作没有任何想法。非常感谢大家在这里提供帮助。

谢谢。

【问题讨论】：

标签： r replace recode

【解决方案1】：

您可以将 dplyr 的 recode 函数与命名向量一起使用。我使用setNames 创建一个命名字符向量（类似于键值对），但您可以使用您拥有的任何数据创建向量。使用您的示例，我们可以设置一些键和值：

keys <- state.abb # the abbreviations you want to replace
vals <- state.name # the replacement values
keysvals <- setNames(vals, keys) # create named vector

现在拨打recode。确保使用!!! 取消引用和拼接：

library(dplyr)

df$States <- recode(df$States, !!!keysvals)

哪个会返回：

      Names Age    States
1      Adam  27   Alabama
2      Mark  28    Alaska
3    Dahlia  29   Alabama
4      Jeff  37 Wisconsin
5     Derek  26 Wisconsin
6    Arnold  22   Arizona
7  Sheppard  29   Arizona
8    Dwayne  34   Alabama
9   Nichols  31 Wisconsin
10    Shane  30    Alaska

【讨论】：

谢谢@gersht。这真的很有帮助。我的另一个问题是，keys 和vals 的长度必须相同吗？因为，我的数据是我想将例如MY 或Malaysian 更改为Malaysia 和SG 和Singaporean 更改为Singapore。我担心的是，有时keys 中有多个属性使用不同的缩写，但我想将其更改为一个相同的名称。
@mojek 它们的长度必须相同，但鉴于您的示例，这应该不是问题。您所要做的就是为每个可能的键添加多个键值对，其中的值只是重复的。例如你可以做keysvals <- c(MY=Malaysia, Malaysian=Malaysia, SG = Singapore, Singaporean = Singapore)。

【解决方案2】：

如果您打算匹配美国州名，我们可以使用内置向量 state.abb 和 state.name 进行匹配和替换。

inds <- match(df$States, state.abb)
df$States[which(!is.na(inds))] <- state.name[na.omit(inds)]

df
#       Names Age   States
#1      Adam  27   Alabama
#2      Mark  28    Alaska
#3    Dahlia  29   Alabama
#4      Jeff  37 Wisconsin
#5     Derek  26 Wisconsin
#6    Arnold  22   Arizona
#7  Sheppard  29   Arizona
#8    Dwayne  34   Alabama
#9   Nichols  31 Wisconsin
#10    Shane  30    Alaska

您还可以通过使用%in% 来减少case_when 的长度，它可以比较多个向量，而不仅仅是使用== 的一个向量

library(dplyr)

df %>%
  mutate(States = case_when(States %in% c("AL", "Alabama") ~ "Alabama", 
                            States %in% c("AK", "Alaska")~ "Alaska", 
                            States %in% c("WI", "Wisconsin")~ "Wisconsin", 
                            States %in% c("AZ", "Arizona")~ "Arizona", 
                             TRUE ~ NA_character_))

【讨论】：

谢谢。但我的数据实际上没有使用美国各州。
@mojek ok..在这种情况下，您可以使用case_when 答案。这也与stackoverflow.com/questions/7547597/… 非常相似，看看你是否可以使用那里的任何答案。