另一個執行緒很好地解決了類似的問題
但是我想做的是擺脫類似問題中的一些冗余。
使用他們的例子：
df <- data.frame(name = rep(letters[1:3], each = 3), foo=rep(1:9),var1 = letters[1:3], var2 = rep(3:5, each = 3))
創建：
df
name foo var1 var2
1 a 1 a 3
2 a 2 a 3
3 a 3 a 3
4 b 4 b 4
5 b 5 b 4
6 b 6 b 4
7 c 7 c 5
8 c 8 c 5
9 c 9 c 5
但是我需要做什么才能用唯一值替換多個字符？
a=1
b=2
c=3
我試過：
df[,c(4,6)] <- lapply(df[,c(4,6)], function(x) replace(x,x %in% "a", 1),
replace(x,x %in% "b", 2),
replace(x,x %in% "c", 3))
和
z<- c("a","b","c")
y<- c(1,2,3)
df[,c(1,3)] <- lapply(df[,c(1,3)], function(x) replace(x,x %in% z, y))
但兩者似乎都不起作用。
謝謝。
uj5u.com熱心網友回復：
您可以使用 dplyr::recode
df <- data.frame(name = rep(letters[1:3], each = 3), foo=rep(1:9),var1 = letters[1:3], var2 = rep(3:5, each = 3))
library(dplyr, warn.conflicts = FALSE)
df %>%
mutate(across(c(name, var1), ~ recode(., a = 1, b = 2, c = 3)))
#> name foo var1 var2
#> 1 1 1 1 3
#> 2 1 2 2 3
#> 3 1 3 3 3
#> 4 2 4 1 4
#> 5 2 5 2 4
#> 6 2 6 3 4
#> 7 3 7 1 5
#> 8 3 8 2 5
#> 9 3 9 3 5
由reprex 包(v2.0.1)于 2021 年 10 月 19 日創建
跨將應用所規定的功能~ recode(., a = 1, b = 2, c = 3)既name和var1。
使用~and.是另一種在across. 此函式等效于由 定義的函式function(x) recode(x, a = 1, b = 2, c = 3)，您可以使用該代碼across代替~表單，它會給出相同的結果。我所知道的唯一名稱是它在 中的名稱?across，即“purrr 風格的 lambda 函式”，因為 purrr 包是第一個使用公式以這種方式定義函式的包。
如果你想看到由公式產生的實際功能，你可以看看rlang::as_function(~ recode(., a = 1, b = 2, c = 3))，雖然這是一個有點超過一個以上，以支持使用更復雜..1，..2而..3在此不再使用。
現在 R 支持下面更簡單的定義函式的方式，這個 purrr 風格的函式可能不再有用，這樣寫只是一個舊習慣。
df <- data.frame(name = rep(letters[1:3], each = 3), foo=rep(1:9),var1 = letters[1:3], var2 = rep(3:5, each = 3))
library(dplyr, warn.conflicts = FALSE)
df %>%
mutate(across(c(name, var1), \(x) recode(x, a = 1, b = 2, c = 3)))
#> name foo var1 var2
#> 1 1 1 1 3
#> 2 1 2 2 3
#> 3 1 3 3 3
#> 4 2 4 1 4
#> 5 2 5 2 4
#> 6 2 6 3 4
#> 7 3 7 1 5
#> 8 3 8 2 5
#> 9 3 9 3 5
由reprex 包(v2.0.1)于 2021 年 10 月 19 日創建
uj5u.com熱心網友回復：
一個簡單的 for 回圈就可以解決問題：
for (i in 1:length(z)) {
df[df==z[i]] <- y[i]
}
df
name foo var1 var2
1 1 1 1 3
2 1 2 2 3
3 1 3 3 3
4 2 4 1 4
5 2 5 2 4
6 2 6 3 4
7 3 7 1 5
8 3 8 2 5
9 3 9 3 5
uj5u.com熱心網友回復：
您可以lookup結合使用向量apply：
z <- c("a","b","c")
y <- c(1,2,3)
lookup <- setNames(y, z)
df[,c(1,3)] <- apply(df[,c(1,3)], 2, function(x) lookup[x])
df
這回傳
name foo var1 var2
1 1 1 1 3
2 1 2 2 3
3 1 3 3 3
4 2 4 1 4
5 2 5 2 4
6 2 6 3 4
7 3 7 1 5
8 3 8 2 5
9 3 9 3 5
uj5u.com熱心網友回復：
如果您對 tidyverse 方法持開放態度：
library(tidyverse)
df %>%
mutate(across(c(var1, name), ~case_when(. == 'a' ~ 1,
. == 'b' ~ 2,
. == 'c' ~ 3)))
這使：
name foo var1 var2
1 1 1 1 3
2 1 2 2 3
3 1 3 3 3
4 2 4 1 4
5 2 5 2 4
6 2 6 3 4
7 3 7 1 5
8 3 8 2 5
9 3 9 3 5
請注意，此代碼僅在您更改列的所有值時才有效。例如，如果您的 var1 列中有一個“d”，您沒有將其轉換為數字，則它將更改為 NA。
uj5u.com熱心網友回復：
# Import data: df => data.frame
df <- data.frame(name = rep(letters[1:3], each = 3), foo=rep(1:9),var1 = letters[1:3], var2 = rep(3:5, each = 3))
# Function performing a mapping replacement:
# replaceMultipleValues => function()
replaceMultipleValues <- function(df, mapFrom, mapTo){
# Extract the values in the data.frame:
# dfVals => named character vector
dfVals <- unlist(df)
# Get all values in the mapping & data
# and assign a name to them: tmp1 => named character vector
tmp1 <- c(
setNames(mapTo, mapFrom),
setNames(dfVals, dfVals)
)
# Extract the unique values:
# valueMap => named character vector
valueMap <- tmp1[!(duplicated(names(tmp1)))]
# Recode the values, coerce vectors to appropriate
# types: res => data.frame
res <- type.convert(
data.frame(
matrix(
valueMap[dfVals],
nrow = nrow(df),
ncol = ncol(df),
dimnames = dimnames(df)
)
)
)
# Explicitly define the returned object: data.frame => env
return(res)
}
# Recode values in data.frame:
# res => data.frame
res <- replaceMultipleValues(
df,
c("a", "b", "c"),
c("1", "2", "3")
)
# Print data.frame to console:
# data.frame => stdout(console)
res
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/325657.html
下一篇：用R中的=連接兩個向量