通过查找表替换值

Question

很长一段时间以来，我使用类似于以下的代码来根据“查找”表中的匹配替换向量中的值。在此示例中，如果 input 对象中的值与 key 的第二列中的任何值匹配，我将用 key 对象中的相应值替换它们。

key<-cbind(c("one","one","two","three","four","five"),c("one1","one11","two2","three3","over","over"))

input<-c("one1","one11","three","four","five")

input[which(!is.na(match(key[,2],input)))]<-key[!is.na(match(key[,2],input)),1]

有没有更有效的方法来实现这一点？ merge 函数似乎不起作用。当key 和input 之间没有一对一匹配时，方法here 不起作用。

Answer 1

您的代码不太正确：

• 请注意，LHS 索引中的match(key[, 2], input) 的长度为6（key 的长度）而不是5（input 的长度），因此!is.na() 的长度为6 而不是5，而which(!is.na()) 是key 的索引，而不是input 的索引。
• 您还失去了比赛的顺序。通过在右侧使用!is.na()（它在您的示例中有效，因为key 的行恰好与input 中要替换的事物的索引相同，并且顺序相同）。

作为一个说明性示例，让我们将您的 key 洗牌

key <- key[c(3,2,4,5,6,1), ]
input[which(!is.na(match(key[,2],input)))]<-key[!is.na(match(key[,2],input)),1]
input
[1] "one1"  "one"   "three" "four"  "five"  "one"  

注意您的新 input 现在有 6 个变量，而第一个 one1 没有被替换。查看match(key[,2], input)、is.na(...) 和which(is.na(...)) 了解原因。

当input[i] 与key 匹配时，您需要使用非NA 的match(input, key[,2])，并且索引的值在key 中。所以现在你可以在 LHS 上使用!is.na() 来做分配，但不要在右边使用!is.na()，否则你会丢失key 中的匹配索引。

m <- match(input, key[,2]) # 6 2 NA NA NA for the shuffled `key`
input[!is.na(m)] <- key[na.omit(m), 1]

# or a one-liner
input[!is.na(match(input, key[,2]))] <- key[na.omit(match(input, key[,2])), 1]

就“更高效”而言，我认为这已经差不多了——merge 在内部调用match，所以肯定会更慢。它并不“优雅”，但速度很快。

我看到的唯一改进是先存储匹配项（就像我在上面所做的那样，将匹配项存储在 m 中）以避免调用它两次。