R 字典样式替换多个项
我有一个大的data.frame字符数据，我想根据其他语言中通常称为字典的内容进行转换 目前我正在这样做：R 字典样式替换多个项,r,dataframe,bioinformatics,R,Dataframe,Bioinformatics,我有一个大的data.frame字符数据，我想根据其他语言中通常称为字典的内容进行转换 目前我正在这样做： foo <- data.frame(snp1 = c("AA", "AG", "AA", "AA"), snp2 = c("AA", "AT", "AG", "AA"), snp3 = c(NA, "GG", "GG", "GC"), stringsAsFactors=FALSE) foo <- replace(foo, foo == "AA", "0101") foo <
foo <- data.frame(snp1 = c("AA", "AG", "AA", "AA"), snp2 = c("AA", "AT", "AG", "AA"), snp3 = c(NA, "GG", "GG", "GC"), stringsAsFactors=FALSE)
foo <- replace(foo, foo == "AA", "0101")
foo <- replace(foo, foo == "AC", "0102")
foo <- replace(foo, foo == "AG", "0103")
foo这里有一些简单的方法可以完成这项工作：
key <- c('AA','AC','AG')
val <- c('0101','0102','0103')
lapply(1:3,FUN = function(i){foo[foo == key[i]] <<- val[i]})
foo
snp1 snp2 snp3
1 0101 0101 <NA>
2 0103 AT GG
3 0101 0103 GG
4 0101 0101 GC
key这里有一个快速解决方案
dict = list(AA = '0101', AC = '0102', AG = '0103')
foo2 = foo
for (i in 1:3){foo2 <- replace(foo2, foo2 == names(dict[i]), dict[i])}
dict=list（AA='0101'，AC='0102'，AG='0103'）
foo2=foo
因为（我在1:3中）{foo2
当有数百万个SNP和数千个样本时，矩阵和数据帧变体都会与R对向量大小的2^31-1限制相冲突。如果您愿意使用软件包，plyr
是一款非常流行的软件，它有一个方便的功能，可以满足您的需求：
foo <- mapvalues(foo, from=c("AA", "AC", "AG"), to=c("0101", "0102", "0103"))
foo使用了上面@Ramnath的答案，但让它从文件中读取（替换什么和替换什么），并使用gsub而不是replace
hrw <- read.csv("hgWords.txt", header=T, stringsAsFactor=FALSE, encoding="UTF-8", sep="\t")
for (i in nrow(hrw))
{
document <- gsub(hrw$from[i], hrw$to[i], document, ignore.case=TRUE)
}
注意此答案一开始是为了解决发布在中的更简单的问题。不幸的是，此问题与实际问题重复。因此，我将尝试提出一种基于替换两种情况下的因子水平的解决方案，如下所示
如果只有一个向量（或一个数据帧列）
其值需要替换，且使用因子没有异议。我们可以强制向量使用因子，并根据需要更改因子级别：
x <- c(1, 1, 4, 4, 5, 5, 1, 1, 2)
x <- factor(x)
x
#[1] 1 1 4 4 5 5 1 1 2
#Levels: 1 2 4 5
replacement_vec <- c("A", "T", "C", "G")
levels(x) <- replacement_vec
x
#[1] A A C C G G A A T
#Levels: A T C G
如果需要替换一个数据帧中多列的所有值，则可以扩展该方法
foo <- data.frame(snp1 = c("AA", "AG", "AA", "AA"),
snp2 = c("AA", "AT", "AG", "AA"),
snp3 = c(NA, "GG", "GG", "GC"),
stringsAsFactors=FALSE)
level_vec <- c("AA", "AC", "AG", "AT", "GC", "GG")
replacement_vec <- c("0101", "0102", "0103", "0104", "0302", "0303")
foo[] <- lapply(foo, function(x) forcats::lvls_revalue(factor(x, levels = level_vec),
replacement_vec))
foo
# snp1 snp2 snp3
#1 0101 0101 <NA>
#2 0103 0104 0303
#3 0101 0103 0303
#4 0101 0101 0302
foo由于距离上次回答已经有几年了，今晚有一个关于这个话题的新问题出现，主持人将其关闭，我将把它添加到这里。海报有一个包含0、1和2的大数据框，并希望将它们分别改为AA、AB和BB
使用plyr
：
> df <- data.frame(matrix(sample(c(NA, c("0","1","2")), 100, replace = TRUE), 10))
> df
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1 1 2 <NA> 2 1 2 0 2 0 2
2 0 2 1 1 2 1 1 0 0 1
3 1 0 2 2 1 0 <NA> 0 1 <NA>
4 1 2 <NA> 2 2 2 1 1 0 1
... to 10th row
> df[] <- lapply(df, as.character)
使用dplyr:：重新编码：
库（dplyr）
突变所有（foo，funs）（重新编码（，“AA”=“0101”，“AC”=“0102”，“AG”=“0103”），
.default=NA_字符（）
#snp1 snp2 snp3
# 1 0101 0101
# 2 0103
# 3 0101 0103
# 4 0101 0101
当
library(dplyr)
foo %>%
mutate_all(~case_when(. == "AA" ~ "0101",
. == "AC" ~ "0102",
. == "AG" ~ "0103",
TRUE ~ .))
# snp1 snp2 snp3
#1 0101 0101 <NA>
#2 0103 AT GG
#3 0101 0103 GG
#4 0101 0101 GC
如果上述条件均不满足，则会将值更改为NA
另一个仅使用基本R的选项是使用新旧值创建查找
数据框，取消列出
数据框，将它们与旧值匹配，获取相应的新值并替换
lookup <- data.frame(old_val = c("AA", "AC", "AG"),
new_val = c("0101", "0102", "0103"))
foo[] <- lookup$new_val[match(unlist(foo), lookup$old_val)]
lookup用字典替换字符串或字符串向量中的值的最可读方法之一是stringr:：str_replace_all
，来自stringr
包。str_replace_all
所需的模式可以是字典，例如
# 1. Made your dictionnary
dictio_replace= c("AA"= "0101",
"AC"= "0102",
"AG"= "0103") # short example of dictionnary.
# 2. Replace all pattern, according to the dictionary-values (only a single vector of string, or a single string)
foo$snp1 <- stringr::str_replace_all(string = foo$snp1,
pattern= dictio_replace) # we only use the 'pattern' option here: 'replacement' is useless since we provide a dictionnary.
#1.做了你的字典
措辞替换=c（“AA”=“0101”，
“AC”=“0102”，
“AG”=“0103”）#用词单位的简短示例。
#2.根据字典值替换所有模式（仅单个字符串向量或单个字符串）
foo$snp1是您的字典和R列表吗？目前还没有，但很容易将其编成一个。也许这个问题会有帮助：，。我不建议使用全局赋值运算符@Ramnath同意，这是唯一可以处理原始密钥为0:2且任务是转换为等效密钥的变体的答案ent字符值。投票率最高的答案失败，因为0不是可接受的索引。Ramnaths和c.gutierrez的答案在我手中也失败了。（我没有测试所有答案。）这是问题的链接：我喜欢这个答案，因为它将键和值放在一起。将键和值放在单独的字符向量中意味着，如果其中一个向量的顺序错误，字典会自动错误地标记所有顺序错误的条目。我建议的唯一区别是使用R的向量化notat第三行的ion，例如：sappy（1:3，函数（i）replace（foo2，foo2==names（dict[i]），dict[i]）*apply
函数与矢量化函数不同。不幸的是，这会在plyr:：mapvalues（foo，from=c（“AA”，“AC”，“AG”）到=c（“0101”）中抛出一个错误，：x
必须是一个原子向量。这也记录在？mapvalues
中。这工作非常好！谢谢c.gutierrez。看起来你的输入是一个数据帧，输出是一个矩阵。不过，我想你可以在最后强制回去。看起来是我的最佳选择，但出于某种原因，我无法让它工作。输出s little sense.FYI-如果使用tidyverse
并将foo作为tible，则必须在分配map[unlist（foo）]
之前将其强制为data.frame，否则分配的与现有数据的行数将不同。
> df <- data.frame(matrix(sample(c(NA, c("0","1","2")), 100, replace = TRUE), 10))
> df
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1 1 2 <NA> 2 1 2 0 2 0 2
2 0 2 1 1 2 1 1 0 0 1
3 1 0 2 2 1 0 <NA> 0 1 <NA>
4 1 2 <NA> 2 2 2 1 1 0 1
... to 10th row
> df[] <- lapply(df, as.character)
> library(plyr)
> apply(df, 2, function(x) {x <- revalue(x, c("0"="AA","1"="AB","2"="BB")); x})
X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
[1,] "AB" "BB" NA "BB" "AB" "BB" "AA" "BB" "AA" "BB"
[2,] "AA" "BB" "AB" "AB" "BB" "AB" "AB" "AA" "AA" "AB"
[3,] "AB" "AA" "BB" "BB" "AB" "AA" NA "AA" "AB" NA
[4,] "AB" "BB" NA "BB" "BB" "BB" "AB" "AB" "AA" "AB"
... and so on
library(dplyr)
mutate_all(foo, funs(recode(., "AA" = "0101", "AC" = "0102", "AG" = "0103",
.default = NA_character_)))
# snp1 snp2 snp3
# 1 0101 0101 <NA>
# 2 0103 <NA> <NA>
# 3 0101 0103 <NA>
# 4 0101 0101 <NA>
library(dplyr)
foo %>%
mutate_all(~case_when(. == "AA" ~ "0101",
. == "AC" ~ "0102",
. == "AG" ~ "0103",
TRUE ~ .))
# snp1 snp2 snp3
#1 0101 0101 <NA>
#2 0103 AT GG
#3 0101 0103 GG
#4 0101 0101 GC
foo %>%
mutate_all(~case_when(. == "AA" ~ "0101",
. == "AC" ~ "0102",
. == "AG" ~ "0103"))
# snp1 snp2 snp3
#1 0101 0101 <NA>
#2 0103 <NA> <NA>
#3 0101 0103 <NA>
#4 0101 0101 <NA>
lookup <- data.frame(old_val = c("AA", "AC", "AG"),
new_val = c("0101", "0102", "0103"))
foo[] <- lookup$new_val[match(unlist(foo), lookup$old_val)]
# 1. Made your dictionnary
dictio_replace= c("AA"= "0101",
"AC"= "0102",
"AG"= "0103") # short example of dictionnary.
# 2. Replace all pattern, according to the dictionary-values (only a single vector of string, or a single string)
foo$snp1 <- stringr::str_replace_all(string = foo$snp1,
pattern= dictio_replace) # we only use the 'pattern' option here: 'replacement' is useless since we provide a dictionnary.