基于查找向量的条件重新编码答案

【问题标题】：Conditional recode based on lookup vector基于查找向量的条件重新编码
【发布时间】：2018-04-21 21:47:24
【问题描述】：

我需要根据查找向量有条件地重新编码我的数据框d。

dput(lookup)
structure(c("Apple", "Apple", "Banana", "Carrot"), .Names = c("101", "102", "102", "103"))
dput(d)
structure(list(pat = c(101, 101, 101, 102, 102, 103), gene = structure(1:6, .Label = c("a", 
"b", "c", "d", "e", "f"), class = "factor"), Apple = c(0.1, 0.2, 
0.3, 0.4, NA, NA), Banana = c(NA, NA, NA, NA, 0.55, NA), Carrot = c(NA, 
NA, NA, NA, NA, 0.6)), .Names = c("pat", "gene", "Apple", "Banana", 
"Carrot"), row.names = c(NA, -6L), class = "data.frame")

d 是我通过reshape 获得的宽数据框。如果pat 根据查找表匹配该列，我需要将Apple、Banana 和Carrot 每一列中的任何NAs 重新编码为0。在这种情况下，d$Apple[5] 和 d$Banana[4] 将被重新编码为 0。

我一直在玩 dplyr 中的 recode，但我不知道如何让它查找和重新编码，更不用说它必须在多个列上完成......还有另一个相关的帖子在recoding variables in R with a lookup table 上，但它似乎不适用于我的问题。有人可以帮我吗？谢谢！

编辑

我尝试了以下方法：。

e <- melt(d, id.vars=c("pat", "gene"))
e %>% mutate(test=ifelse(lookup[as.character(pat)] == variable, replace(value, is.na(value), 0), value))

我的代码部分工作。它成功地在d$Apple[5] 中重新编码NA 而不是在d$Banana[4] 中，因为查找只能给出第一个值：

lookup["102"]
    102 
"Apple"

而我需要我的查找能够同时输出“Apple”和“Banana”，并能够相应地转换满足每个条件的NAs。有什么想法吗？

【问题讨论】：

标签： r dplyr lookup recode

【解决方案1】：

抱歉，这里没有dplyr，但代码相当简单。

for(i in unique(lookup)){
    need_to_replace = is.na(d[[i]]) & (d$pat %in% names(lookup[lookup %in% i]))
    d[[i]][need_to_replace] = 0
}

d

   pat gene Apple Banana Carrot
1 101    a   0.1     NA     NA
2 101    b   0.2     NA     NA
3 101    c   0.3     NA     NA
4 102    d   0.4   0.00     NA
5 102    e   0.0   0.55     NA
6 103    f    NA     NA    0.6

【讨论】：

这是一个简单而优雅的解决方案。谢谢！我可以将此应用于我需要的额外查找lookup2。

【解决方案2】：

我会使用长格式并使用来自dplyr 的连接。

我首先回到长格式，如下所示：

library(tidyverse)
long_format <- d %>% 
  gather(fruit, value, -pat, -gene)

然后我会将查找创建为data_frame，以便我们可以使用连接。

lookup <- tribble(~pat, ~fruit,
                  101, "Apple",
                  102, "Apple",
                  102, "Banana",
                  103, "Carrot")

使用right_join 表示，我们保留查找中的所有组合。然后，我们将缺失值替换为 0 并传播回宽格式，以备不时之需。

long_format %>% 
  right_join(lookup) %>% 
  replace_na(replace = list(value = 0)) %>%
  spread(fruit, value)
#> Joining, by = c("pat", "fruit")
#> pat gene Apple Banana Carrot
#> 1 101    a   0.1     NA     NA
#> 2 101    b   0.2     NA     NA
#> 3 101    c   0.3     NA     NA
#> 4 102    d   0.4   0.00     NA
#> 5 102    e   0.0   0.55     NA
#> 6 103    f    NA     NA    0.6

【讨论】：

【解决方案3】：

可能有点不完整，但我设法通过循环创建了一个可能的解决方案

for(i in 1:nrow(d)){
  mtch <- lookup[which(d$pat[i] == names(lookup))] # Get lookup matches for row i
  colnum <- which(colnames(d) %in% mtch) # Get column nr that matches lookup value
  newval<-ifelse(is.na(d[i,colnum]),0,d[i,colnum]) # if it contains NA replace with 0
  d[i,colnum]<-unlist(newval) # replace the values

}

输出

  pat gene Apple Banana Carrot
1 101    a   0.1     NA     NA
2 101    b   0.2     NA     NA
3 101    c   0.3     NA     NA
4 102    d   0.4   0.00     NA
5 102    e   0.0   0.55     NA
6 103    f    NA     NA    0.6

希望对你有帮助

【讨论】：