R 基于其他两个向量对列重新编码

这是我的数据集：

df = structure(list(from = c(0, 0, 0, 0, 38, 43, 49, 54), to = c(43, 
54, 56, 62, 62, 62, 62, 62), count = c(342, 181, 194, 386, 200, 
480, 214, 176), group = c("keiner", "keiner", "keiner", "keiner", 
"paid", "paid", "owned", "earned")), class = c("tbl_df", "tbl", 
"data.frame"), row.names = c(NA, -8L))

我的问题是需要对

from

和

to

列进行排序（必须对

from

和

to

两列进行排序），因为可视化库需要这样做，而且还需要从索引0开始。 这就是我构建两个向量的原因，一个（

ranking

）对两列的每个唯一值进行排序，另一个（

uniquevalues

）对数据集的原始唯一值进行排序

ranking <- dplyr::dense_rank(unique(c(df$from, df$to))) - 1 ### Start Index at 0, "recode" variables
uniquevalues <- unique(c(df$from, df$to))

应该是这样的：

   from    to count group 
  <dbl> <dbl> <dbl> <chr> 
1     0     2   342 keiner
2     0     4   181 keiner
3     0     5   194 keiner
4     0     6   386 keiner
5     1     6   200 paid  
6     2     6   480 paid  
7     3     6   214 owned 
8     4     6   176 earned

从到计数组
102342凯纳
2 0 4 181凯纳
3 0 5 194凯纳
406386凯纳
516200已缴付
626480已缴付
7 3 6 214拥有
846176

我们可以

取消列出

值，并

将它们与
唯一值匹配

df[1:2] <- match(unlist(df[1:2]), uniquevalues) - 1

df

#   from    to count group 
#  <dbl> <dbl> <dbl> <chr> 
#1     0     2   342 keiner
#2     0     4   181 keiner
#3     0     5   194 keiner
#4     0     6   386 keiner
#5     1     6   200 paid  
#6     2     6   480 paid  
#7     3     6   214 owned 
#8     4     6   176 earned

df[1:2]我们可以
取消列出
值，并
将其与
唯一值匹配

df[1:2] <- match(unlist(df[1:2]), uniquevalues) - 1

df

#   from    to count group 
#  <dbl> <dbl> <dbl> <chr> 
#1     0     2   342 keiner
#2     0     4   181 keiner
#3     0     5   194 keiner
#4     0     6   386 keiner
#5     1     6   200 paid  
#6     2     6   480 paid  
#7     3     6   214 owned 
#8     4     6   176 earned

df[1:2]我会使用
mapvalues
函数。像这样

library(plyr)
df[ , 1:2] <- mapvalues(unlist(df[ , 1:2]),
                        from= uniquevalues,
                        to= ranking)
df
#   from    to count group 
#  <dbl> <dbl> <dbl> <chr> 
#1     0     2   342 keiner
#2     0     4   181 keiner
#3     0     5   194 keiner
#4     0     6   386 keiner
#5     1     6   200 paid  
#6     2     6   480 paid  
#7     3     6   214 owned 
#8     4     6   176 earned

库（plyr）
df[，1:2]我会使用
mapvalues
函数。像这样

library(plyr)
df[ , 1:2] <- mapvalues(unlist(df[ , 1:2]),
                        from= uniquevalues,
                        to= ranking)
df
#   from    to count group 
#  <dbl> <dbl> <dbl> <chr> 
#1     0     2   342 keiner
#2     0     4   181 keiner
#3     0     5   194 keiner
#4     0     6   386 keiner
#5     1     6   200 paid  
#6     2     6   480 paid  
#7     3     6   214 owned 
#8     4     6   176 earned

库（plyr）
df[，1:2]另一种解决方案转换为因子并返回

f <- unique(unlist(df1[1:2]))

df[1:2] <- lapply(df[1:2], function(x) {
  as.integer(as.character(factor(x, levels=f, labels=1:length(f) - 1)))
  })
df
# # A tibble: 8 x 4
#  from    to  count group 
# <fct> <fct> <dbl> <chr> 
# 1   0     2    342 keiner
# 2   0     4    181 keiner
# 3   0     5    194 keiner
# 4   0     6    386 keiner
# 5   1     6    200 paid  
# 6   2     6    480 paid  
# 7   3     6    214 owned 
# 8   4     6    176 earned

f另一个解决方案转换为因子并返回

f <- unique(unlist(df1[1:2]))

df[1:2] <- lapply(df[1:2], function(x) {
  as.integer(as.character(factor(x, levels=f, labels=1:length(f) - 1)))
  })
df
# # A tibble: 8 x 4
#  from    to  count group 
# <fct> <fct> <dbl> <chr> 
# 1   0     2    342 keiner
# 2   0     4    181 keiner
# 3   0     5    194 keiner
# 4   0     6    386 keiner
# 5   1     6    200 paid  
# 6   2     6    480 paid  
# 7   3     6    214 owned 
# 8   4     6    176 earned

f抢了我的帖子。这些帖子并没有真正帮助我，已经在寻找答案了。我的帖子上了。这些帖子并没有真正帮助我，我已经在寻找答案。我认为这里的关键观点与
匹配
无关，而是与R将重塑一个原子向量以适应多个数据帧列的事实有关，只要列长度之和等于向量长度。结果是，对OP的原始代码进行一些细微的更改将产生相同的结果：
df[1:2]我认为这里的关键观点与
匹配关系不大，事实上，只要列长度之和等于向量长度，R就会改变一个原子向量的形状以适应多个数据帧列。结果是，对OP的原始代码进行一些细微的更改将产生相同的结果：
df[1:2]