R 使用id匹配和替换因子值
我有两个数据帧,两个数据帧都包含相同的变量,每个观测值都有一个唯一的id df.1是一个大型数据集,其中包含由NA表示的缺失值。这些缺失条目的值包含在df.2中,我希望通过匹配id,将df.1中的缺失替换为df.2中的值 我还没有找到一个类似的问题,考虑到他们都是因素变量 更简单:如果id匹配,df.1中缺少的值应替换为df.2中的因子值。R 使用id匹配和替换因子值,r,data-manipulation,recode,R,Data Manipulation,Recode,我有两个数据帧,两个数据帧都包含相同的变量,每个观测值都有一个唯一的id df.1是一个大型数据集,其中包含由NA表示的缺失值。这些缺失条目的值包含在df.2中,我希望通过匹配id,将df.1中的缺失替换为df.2中的值 我还没有找到一个类似的问题,考虑到他们都是因素变量 更简单:如果id匹配,df.1中缺少的值应替换为df.2中的因子值。 df.1 <- data.frame(id = c(334,440,501,2304,2500), v1 = c("
df.1 <- data.frame(id = c(334,440,501,2304,2500),
v1 = c("4 dogs",NA,"3 dogs",NA,"No dogs"))
df.2 <- data.frame(id = c(440,2304),
v2 = c("4 dogs","5 dogs"))
df.1您可以加入df.1
和df.2
将v1
和v2
保留在合并的数据框中。运行逻辑以将缺少的v1
替换为v2
library(dplyr)
df.1 <- data.frame(id = c(334,440,501,2304,2500),
v1 = c("4 dogs",NA,"3 dogs",NA,"No dogs"))
df.2 <- data.frame(id = c(440,2304),
v2 = c("4 dogs","5 dogs"))
#merge using left_join to keep all rows from df.1
final <- df.1 %>%
left_join(df.2, by = "id")
#> final
# id v1 v2
#1 334 4 dogs <NA>
#2 440 <NA> 4 dogs
#3 501 3 dogs <NA>
#4 2304 <NA> 5 dogs
#5 2500 No dogs <NA>
#Define a function to replace missing v1
replMissing <- function(x, y){
ifelse(is.na(x), y, x )
}
#call replMissing function using mapply. Modified to handle factor
final$v1 <- as.factor(mapply(replMissing, as.character(final$v1), as.character(final$v2)))
#results is
#> final
# id v1 v2
#1 334 4 dogs <NA>
#2 440 4 dogs 4 dogs
#3 501 3 dogs <NA>
#4 2304 5 dogs 5 dogs
#5 2500 No dogs <NA>
库(dplyr)
df.1使用数据表和dplyr
:-
library(data.table)
library(dplyr)
df <- left_join(df.1, df.2, by = "id")
setDT(df)
df[is.na(v1), v1 := v2]
df[, v2 := NULL]
至此,id
将是数字,v1
将是系数。如果希望id
也转换为因子。您可以使用以下方法进行操作:-
df[, id := as.factor(id)]
使用tidyverse
方法,您有两种解决方案:
第一个解决方案:
library(dplyr)
df.1 <- data.frame(id = c(334,440,501,2304,2500),
v1 = c("4 dogs",NA,"3 dogs",NA,"No dogs"),stringsAsFactors=F)
df.2 <- data.frame(id = c(440,2304),
v2 = c("4 dogs","5 dogs"),stringsAsFactors=F) %>%
rename(v1=v2)
df_mix <- bind_rows(df.1,df.2) %>%
drop_na(...=v1)
库(dplyr)
df.1正如@Gregor提到的,您可以将df转换回因子。这里方便的函数是@MrFlick的coalesce
函数。解决办法不言自明
library(dplyr)
df.1 %>%
left_join(df.2, by = "id") %>%
mutate_if(is.factor, as.character) %>%
mutate(final = coalesce(v1, v2)) %>% mutate_if(is.character, as.factor)
输出
如果要删除v1
和v2
列,只需将最终结果输送到%%>%选择(id,final)
希望它能起作用 你检查过这些了吗,我想这已经被回答了。不幸的是,情况并非如此。我希望代码简单地匹配两个变量之间的ID,并将df.2中的值替换为df.1。ID仅指定df.1中缺少的值。为什么需要将它们保留为两个因子变量?只需在(merge(df.1,df.2,all=TRUE),{V1=pmax(as.character(V1),as.character(v2),na.rm=TRUE);rm(V1,v2)}内转换为字符
…很容易在最后转换回因子。是否有可能的解决方案将它们更改回因子并保留其原来的所有级别?@dayleymart修改了解决方案以处理因子
值。实际上,在调用mapply
时需要进行转换。使用此方法变量是否会丢失其因子类型?因此,v1
将是因子<代码>id
将是数字。如果您想再次使用id
因子。您可以使用df[,id:=as.factor(id)]
。若你们愿意的话,我会在答案中加上它。抱歉,ID始终是数字的,并且可以保持数字,因为它只是一个唯一的标识符。谢谢。很酷,反正我加了。如果您需要,您可以使用它。刚刚使用了您的代码并查看了新创建的v1变量的摘要。似乎“NA”已被添加为df1中所有未替换的缺失值的一个因子…您有没有解决方案将它们转换回缺失值?
df.1 <- data.frame(id = c(334,440,501,2304,2500),
v1 = c("4 dogs",NA,"3 dogs",NA,"No dogs"),stringsAsFactors=F)
df.2 <- data.frame(id = c(440,2304),
v2 = c("4 dogs","5 dogs"),stringsAsFactors=F)
df_mix <- left_join(df.1,df.2,by="id") %>%
mutate(v1=case_when(
is.na(v1) ~ v2,
!is.na(v1) ~ v1
)) %>%
select(1:2)
library(dplyr)
df.1 %>%
left_join(df.2, by = "id") %>%
mutate_if(is.factor, as.character) %>%
mutate(final = coalesce(v1, v2)) %>% mutate_if(is.character, as.factor)
id v1 v2 final
1 334 4 dogs <NA> 4 dogs
2 440 <NA> 4 dogs 4 dogs
3 501 3 dogs <NA> 3 dogs
4 2304 <NA> 5 dogs 5 dogs
5 2500 No dogs <NA> No dogs
'data.frame': 5 obs. of 4 variables:
$ id : num 334 440 501 2304 2500
$ v1 : Factor w/ 3 levels "3 dogs","4 dogs",..: 2 NA 1 NA 3
$ v2 : Factor w/ 2 levels "4 dogs","5 dogs": NA 1 NA 2 NA
$ final: Factor w/ 4 levels "3 dogs","4 dogs",..: 2 2 1 3 4