Remplacer des valeurs dans un dataframe basé sur la table de recherche

Vous avez posté une approche dans votre question, qui n'était pas mauvais. Voici une approche similaire:

new <- df  # create a copy of df
# using lapply, loop over columns and match values to the look up table. store in "new".
new[] <- lapply(df, function(x) look$class[match(x, look$pet)])

Une approche alternative qui sera plus rapide est:

new <- df
new[] <- look$class[match(unlist(df), look$pet)]

Noter que j'utilise des parenthèses vides ([]) dans les deux cas, pour conserver la structure de new que c'était (un ensemble de données.image).

(Je suis en utilisant df au lieu de table et look au lieu de lookup dans ma réponse)

OriginalL'auteur docendo discimus

À tout moment vous avez deux data.frames et essayer d'apporter des informations à partir de l'une à l'autre, la réponse est à de fusion.

Tout le monde a son propre favori méthode de fusion dans R. le Mien est data.table.

Aussi, puisque vous voulez faire cela pour de nombreuses colonnes, il sera plus rapide à melt et dcast -- plutôt que de la boucle sur les colonnes, appliquer qu'une seule fois pour le remodelage du tableau, puis de les remodeler à nouveau.

library(data.table)

#the row names will be our ID variable for melting
setDT(table, keep.rownames = TRUE) 
setDT(lookUp)

#now melt, merge, recast
dcast(melt(table, id.vars = "rn" #melting (reshape wide to long)
           )[lookup, new_value := i.class, on = c(value = "pet")], #merging
      rn ~ variable, value.var = "new_value") #reform back to original shape
#    rn      P1      P2      P3
# 1:  1  mammal reptile    bird
# 2:  2 reptile    bird  mammal
# 3:  3    bird  mammal reptile

Dans le cas où vous trouver la dcast/melt peu un peu intimidant, voici une approche juste passe en boucle sur les colonnes; dcast/melt est tout simplement esquiver la boucle de ce problème.

setDT(table) #don't need row names this time
setDT(lookUp)

sapply(names(table), #(or to whichever are the relevant columns)
       function(cc) table[lookUp, (cc) := #merge, replace
                            #need to pass a _named_ vector to 'on', so use setNames
                            i.class, on = setNames("pet", cc)])

OriginalL'auteur MichaelChirico

La réponse ci-dessus montrant comment le faire dans dplyr ne répond pas à la question, le tableau est rempli avec NAs. Cela a fonctionné, j'apprécie les observations montrant une meilleure façon:

# Add a customer column so that we can put things back in the right order
table$customer = seq(nrow(table))
classTable <- table %>% 
    # put in long format, naming column filled with P1, P2, P3 "petCount"
    gather(key="petCount", value="pet", -customer) %>% 
    # add a new column based on the pet's class in data frame "lookup"
    left_join(lookup, by="pet") %>%
    # since you wanted to replace the values in "table" with their
    # "class", remove the pet column
    select(-pet) %>% 
    # put data back into wide format
    spread(key="petCount", value="class")

Noter qu'il serait probablement utile de garder la longue table qui contient le client, l'animal, l'animal de l'espèce(?) et leur classe. Cet exemple ajoute simplement un intermédiaire enregistrer dans une variable:

table$customer = seq(nrow(table))
petClasses <- table %>% 
    gather(key="petCount", value="pet", -customer) %>% 
    left_join(lookup, by="pet")

custPetClasses <- petClasses %>%
    select(-pet) %>% 
    spread(key="petCount", value="class")

OriginalL'auteur dannit