如何将 data.table 与不同列中的潜在匹配项合并？

Question

我正在尝试使用data.table 合并使用多列的两个数据表。

一个数据集的不同名称记录在不同的列中。例如：

records <- data.table(name1 = c("Apple25", "Banana20", "PassionFruit97", "junk4", "sdfd", "dbfg", "sdeg", "sdgwe", "wegd"),
                      name2 = c("abxd", "dseg", "degd", "apple200", "banana5132", "PassionFroot", "jusd", "sged", "egsd"),
                      name3 = c("jefds", "sdefsd", "dgeds", "dbsed", "sdfd", "dbfg", "Apel", "BNNA", "PF"))

我知道这些是三种水果（苹果、香蕉和百香果）的记录，但这些信息可能在三列中的任何一列中。

我有另一个映射数据集，其中records 中每一列的特定名称链接到一个标准化的水果名称：

mapping <- data.table(std_name = c("apple", "banana", "passion fruit", "apple", "banana", "passion fruit", "apple", "banana", "passion fruit"),
                      name1 = c("Apple25", "Banana20", "PassionFruit97", NA, NA, NA, NA, NA, NA),
                      name2 = c(NA, NA, NA, "apple200", "banana5132", "PassionFroot", NA, NA, NA),
                      name3 = c(NA, NA, NA, NA, NA, NA, "Apel", "BNNA", "PF"))

现在，首先我有兴趣查看映射文件中有哪些记录（在本例中为 100%），我这样做了：

records[, mapped := tolower(name1) %in% na.omit(tolower(mapping$name1)) |
          tolower(name2) %in% na.omit(tolower(mapping$name2)) |
          tolower(name3) %in% na.omit(tolower(mapping$name3))]

（在有大小写差异的情况下使用 tolower）。

接下来，我有兴趣合并到mapping 以获得标准化的水果名称。一种方法是管道合并语句：

records_mapped <- merge(records, mapping[, .(name1, std_name)], all.x = T, by.x = "name1", by.y = "name1") %>%
  merge(., mapping[, .(name2, std_name)], all.x = T, by.x = "name2", by.y = "name2") %>%
  merge(., mapping[, .(name3, std_name)], all.x = T, by.x = "name3", by.y = "name3")

但这会导致重复的列，然后我必须合并它们。在 data.table 中执行此操作的优雅方法是什么？

Answer 1

您可以获取长格式的数据，然后执行连接。

library(data.table)
dt1 <- melt(records, measure.vars = names(records))
dt2 <- melt(mapping, id.vars = "std_name")
records_mapped <- merge(dt1, dt2, all.x = T, by = "value")

如果需要，您可以使用dcast 获取宽格式数据。