如何使用转换表量化一列中的字符值？答案

【问题标题】：How to quantify character values in one column by using a translation table?如何使用转换表量化一列中的字符值？
【发布时间】：2019-10-08 12:20:24
【问题描述】：

我有一个数据文件，我想量化从字符串/类别到数字的列。我有一个预制文件，其中包含大约 500 个不同的类别以及它需要成为的相应编号。

所以我的第一个文件看起来有点像：

Type_of_fruit
Banana
Apple
Apple
Kiwi
Passionfruit
Banana
Apple
Orange
Etc.

然后我有第二张表，看起来像这样（翻译表）：

Banana              |          1
Apple               |          2 
Kiwi                |          3 
Passionfruit        |          4
Orange              |          5
Mango               |          6
Grape               |          7
Etc.

并且想使用这个转换表在我的原始数据框中创建一个新的量化列：

Type_of_fruit_quantified
1
2
2
3
4
1
2
5

起初我想用 mutate 命令来做，例如 Mutate(Type_of_fruit_quantified = if_else(Type_of_fruit == “香蕉”, 1, if_else(Type_of_fruit == “苹果”, 2, 等等。等等。但是，翻译表中有大约 500 个不同的类别，这将需要很长时间。我怎样才能更快地做到这一点，例如通过参考翻译表？

重新创建我的模拟数据：

Type_of_fruit <- c("Banana", "Apple", "Apple", "Kiwi", "Passionfruit", "Banana", "Apple", "Orange")
Type_of_fruit_df <- data.frame(Type_of_fruit)

Fruit <- c("Banana", "Apple", "Kiwi", "Passionfruit",  "Orange", "Mango", "Grape")
Number <- c(1, 2, 3, 4, 5, 6, 7)
Translation_table <- data.frame(Fruit, Number)

【问题讨论】：

Type_of_fruit_df$Type_of_fruit_quantified <- Translation_table$Number[match(Translation_table$Fruit, Type_of_fruit_df$Type_of_fruit)]
注意^总是比left_join快

标签： r translation

【解决方案1】：

更改Type_of_fruit_df的列名，使所有表共享Fruit的列名，然后使用?dplyr::left_join

Type_of_fruit <- c("Banana", "Apple", "Apple", "Kiwi", "Passionfruit", "Banana", "Apple", "Orange")
Type_of_fruit_df <- data.frame(Fruit = Type_of_fruit)

Fruit <- c("Banana", "Apple", "Kiwi", "Passionfruit",  "Orange", "Mango", "Grape")
Number <- c(1, 2, 3, 4, 5, 6, 7)
Translation_table <- data.frame(Fruit, Number)


> left_join(Type_of_fruit_df,Translation_table, by = "Fruit")
         Fruit Number
1       Banana      1
2        Apple      2
3        Apple      2
4         Kiwi      3
5 Passionfruit      4
6       Banana      1
7        Apple      2
8       Orange      5

【讨论】：