使用 dplyr 使用某些 ID 映射值的最佳方法？

Question

我需要做的是：我有一个带有q1_monetary_unit 和value 列的数据框，我们称之为df：

ID     q1_monetary_unit   value
1          -999           1000
2          -999           2000
3        10 US dollars    -888
4        21 euros         -888

每当我所在国家/地区的货币未回答价值时，都会有一个描述价值和外币的字符串。我还有一个数据框，其中包含我所在国家/地区货币中每种货币的价值，如下所示：

US dollar    Euro
   780        850

所以我的最终目标是将“10 美元”变成 10 * 780，将 21 欧元变成 21 * 850，并将这些值放入 value 列，如下所示：

ID     value
1        1000
2        2000
3        7800
4        17850

所以，处理我的原始数据，经过一些转换后，我设法获得了以下数据框，我们称之为df2：

ID    value
3     7800
4    17850

所以，我想知道当ID 与这个新数据框中的 ID 相对应时，在我的原始数据框中替换 value 的最简单方法是什么。尝试做类似的事情

df %>% mutate(value = case_when(id %in% df2$id~ df2$value,
                                                   T ~ value))

但它不起作用。我可以删除df 中的行并绑定df2 中的行，但这听起来效率不高。在 Python 中，我会使用 map() 函数，但我不确定 R 的 map 是否以同样的方式工作。任何帮助将不胜感激。

Answer 1

我跳过了你的 df2 阶段：

df <- dplyr::tibble(
    ID = 1:4,
    q1_monetary_unit = c(-999, -999, "10 US dollars", "21 euros"), 
    value = c(1000, 2000, -888, -888)
)

conversions <- dplyr::tibble(
    `US dollars` = 780,
    euros = 850 # NB not exact match in you example!
)

# make long for join
conversions_long <- 
conversions %>% tidyr::pivot_longer(
    everything(), names_to = "currency", values_to = "conversion_factor"
)

df %>%
    tidyr::extract(
        q1_monetary_unit,
        into = c("val", "currency"),
        regex = "(\\d+) (.*)", # split the value from the currency name
        remove = TRUE, # drop the q1_monetary_unit column
        convert = TRUE # convert numeric type automatically
    ) %>%
    dplyr::full_join(
        conversions_long, by = "currency" # join by currency
    ) %>%
    mutate(
        val = as.double(val), # make val a double as defaulted to int and if_else enforces same type
        value = if_else(is.na(val), value, val), # merge val and value to fill missing data
        conversion_factor = if_else(is.na(conversion_factor), 1, conversion_factor),
        # multiple by 1 if currency it not specified
        value = value * conversion_factor
    ) %>%
    dplyr::select(-val) # drop the val column as no longer needed

虽然看起来很有用，但我不知道重新编码功能！

Answer 2

设法做到了：

将df2 变成一个列表，然后使用它重新编码：

value_list = as.list(df2$value)
names(value_list ) = df2$id
df = df%>% mutate(value= recode(df$id, !!!value_list , .default=value))

也欢迎任何更好的选择

Answer 3

单个正则表达式完成两个难点：(1) 使用rematch2 将货币提取到一个新列（称为currency）和(2) 剥离货币标签，以便value_1 可以转换为编号为sub()。

在pattern_currencies 的括号内，货币的肉被识别和提取。括号外的垃圾被去掉，例如“s”和“欧元”或“美元”的结尾（ie，s?）和任何周围的空格（ie ，\\s*)。

如果只涉及少数几种货币，并且它们始终如一地呈现，那么随着时间的推移，这应该不难维持。如果它们不一致，您可能需要第二层转换（eg，“USD”和“US Dollar”都转换为“US Dollar”）。请记住连接区分大小写

# Incoming dataset & exchange rates
ds <- 
  tibble::tribble(
    ~ID, ~q1               , ~value_1,
    1,   "-999"            ,  1000,
    2,   "-999"            ,  2000,
    3,   "10 US dollars"   ,  -888,
    4,   "21 Euros"        ,  -888
  )
ds_exchange <- 
  tibble::tribble(
    ~currency  , ~rate,
    "US dollar",  780,
    "Euro"     ,  850
  )

# Extract & Convert
pattern_currencies <- "\\s*(?<currency>US dollar|Euro)s?\\s*"
ds |> 
  rematch2::bind_re_match(from = q1, pattern_currencies) |> 
  dplyr::left_join(ds_exchange, by = "currency") |> 
  dplyr::mutate(
    q1      = dplyr::na_if(q1, "-999"),                   # Set junk to NA
    # value_1 = dplyr::na_if(value_1, "-888"),            # Consider setting to NA
    rate    = dplyr::coalesce(rate, 1),                   # Fill in missing/unnecessary rates
    
    value_2 = sub(pattern_currencies, "", q1, perl = T),  # Strip currency label
    value_2 = as.numeric(value_2),                        # Cast to a number
    value_2 = dplyr::coalesce(value_2, value_1),
    value_3 = value_2 * rate                              # Multiple by exchange rate
  )

输出：

  ID            q1 value_1  currency rate value_2 value_3
1  1          <NA>    1000      <NA>    1    1000    1000
2  2          <NA>    2000      <NA>    1    2000    2000
3  3 10 US dollars    -888 US dollar  780      10    7800
4  4      21 Euros    -888      Euro  850      21   17850