Замена подстроки во фрейме данных на основе справочной таблицы

В качестве входных данных я получил большой фрейм данных в R со списками строк разной длины, ссылающихся на определенные коды, например:

  glt.code glt.phylogeny                   
1 adha1238 adha1238                    
2 adiv1239 adiv1239                    
3 adiw1235 adiw1235                    
4 aerr1238 jikr1238;jikr1238;aerr1238

Я хотел бы заменить коды в столбце glt.phylogeny на основе их названий в этой справочной таблице:

  code     name                       level     
1 adha1238 Adhari                     language
2 adiv1239 Kotia-Adivasi Oriya-Desiya language
3 adiw1235 Adiwasi Garasia            language
4 aerr1238 Aer                        language
5 jikr1238 Jikrio Aer                 dialect

Мой желаемый результат выглядит так:

  glt.code glt.phylogeny.names                   
1 adha1238 Adhari                    
2 adiv1239 Kotia-Adivasi Oriya-Desiya                    
3 adiw1235 Adiwasi Garasia                    
4 aerr1238 Jikrio Aer;Jikrio Aer;Aer

Я хотел бы найти конвейерное (dplyr) решение, заменяющее все подстроки в столбце фрейма данных на основе справочной таблицы. Я экспериментировал с использованием str_replace_all и stri_replace_all_fixed, основываясь на других вопросах о переполнении стека, но безрезультатно.

Фактический фрейм данных и справочная таблица намного больше, поэтому было бы полезно масштабируемое решение.

r string dplyr

17.07.2024 13:16

Стоит ли изучать PHP в 2023-2024 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

Перейти к ответу Данный вопрос помечен как решенный

Ответы 4

Разделите данные точкой с запятой, объедините их с таблицей поиска и сверните имена в строку, разделенную точкой с запятой.

Предполагая, что фрейм данных называется df1 и df2, вы можете сделать:

library(dplyr)
library(tidyr)

df1 %>%
  separate_longer_delim(glt.phylogeny, ";") %>%
  left_join(df2, join_by(glt.phylogeny == code)) %>%
  summarise(name = paste0(name, collapse = ";"), .by = glt.code)

#  glt.code                       name
#1 adha1238                     Adhari
#2 adiv1239 Kotia-Adivasi Oriya-Desiya
#3 adiw1235            Adiwasi Garasia
#4 aerr1238  Jikrio Aer;Jikrio Aer;Aer

данные

df1 <- structure(list(glt.code = c("adha1238", "adiv1239", "adiw1235", 
"aerr1238"), glt.phylogeny = c("adha1238", "adiv1239", "adiw1235", 
"jikr1238;jikr1238;aerr1238")), class = "data.frame", row.names = c(NA, -4L))

df2 <- structure(list(code = c("adha1238", "adiv1239", "adiw1235", "aerr1238", 
"jikr1238"), name = c("Adhari", "Kotia-Adivasi Oriya-Desiya", 
"Adiwasi Garasia", "Aer", "Jikrio Aer"), level = c("language", 
"language", "language", "language", "dialect")), 
class = "data.frame", row.names = c(NA, -5L))

Это решение также очень краткое и быстрое, чем ответ с использованием замены строки. Если между подстроками есть фиксированный разделитель («;» в моем примере), это кажется лучшим решением.

— 17.07.2024 15:36

17.07.2024 13:56

Это то, что вы ищите?.

library(dplyr)
library(stringr)

df1 <- tibble(
  glt.code = c("adha1238", "adiv1239", "adiw1235", "aerr1238"),
  glt.phylogeny = c("adha1238", "adiv1239", "adiw1235", "jikr1238;jikr1238;aerr1238")
)

df2 <- tibble(
  code = c("adha1238", "adiv1239", "adiw1235", "aerr1238", "jikr1238"),
  name = c("Adhari", "Kotia-Adivasi Oriya-Desiya", "Adivasi Garasia", "Aer", "Jikrio Aer")
)

# Function to replace codes with names
replace_codes_with_names <- function(codes, lookup_table) {
  codes_list <- str_split(codes, ";")[[1]]
  names_list <- lookup_table$name[match(codes_list, lookup_table$code)]
  paste(names_list, collapse = ";")
}

# desired output
desired_output <- df1 %>%
  rowwise() %>%
  mutate(glt.phylogeny.names = replace_codes_with_names(glt.phylogeny, df2)) %>%
ungroup()

17.07.2024 13:56

Ответ принят как подходящий

Я думаю, что это даст вам то, что вы хотите, используя str_replace_all, извлекая именованный вектор из вашей таблицы поиска:

library(tidyverse)
# data
df <- tibble(
  glt.code = c("adha1238", "adiv1239", "adiw1235", "aerr1238"),
  glt.phylogeny = c("adha1238", "adiv1239", "adiw1235", "jikr1238;jikr1238;aerr1238")
)
df_look_up <- tibble(
  code = c("adha1238", "adiv1239", "adiw1235", "aerr1238", "jikr1238"),
  name = c("Adhari", "Kotia-Adivasi Oriya-Desiya", "Adivasi Garasia", "Aer", "Jikrio Aer"),
  level = c("language", 
            "language", "language", "language", "dialect")
)

# create named vector
named_look_up_vector <- df_look_up %>% 
  pull(name, code)

# use str_replace_all
df %>% 
  mutate(glt.phylogeny = str_replace_all(glt.phylogeny, named_look_up_vector))
# # A tibble: 4 × 2
#   glt.code glt.phylogeny             
#   <chr>    <chr>                     
# 1 adha1238 Adhari                    
# 2 adiv1239 Kotia-Adivasi Oriya-Desiya
# 3 adiw1235 Adivasi Garasia           
# 4 aerr1238 Jikrio Aer;Jikrio Aer;Aer

Принято, поскольку это кажется наиболее кратким и общим решением. Это медленнее, чем решение на основе соединения , приведенное ниже, но не требует фиксированного разделителя между подстроками.

— 17.07.2024 15:34

Об этом тоже стоит помнить: stackoverflow.com/questions/77198098/…

— 22.07.2024 11:50

17.07.2024 14:09

Используйте purrr::map на кодах strsplit, затем match имя с кодом.

library(dplyr)

df %>% 
  summarize(glt.phylogeny.names = purrr::map(strsplit(glt.phylogeny, ";"), ~ 
    paste0(loup$name[match(.x, loup$code)], collapse = ";")), .by = glt.code)

выход

  glt.code        glt.phylogeny.names
1 adha1238                     Adhari
2 adiv1239 Kotia-Adivasi Oriya-Desiya
3 adiw1235            Adiwasi Garasia
4 aerr1238  Jikrio Aer;Jikrio Aer;Aer

Если производительность является проблемой, попробуйте data.table. Эквивалентный подход может быть

library(data.table)

setDT(df)

df[, .(glt.phylogeny.names = sapply(strsplit(glt.phylogeny, ";"), \(x) 
  paste0(loup$name[match(x, loup$code)], collapse = ";"))), by = glt.code]
   glt.code        glt.phylogeny.names
     <char>                     <char>
1: adha1238                     Adhari
2: adiv1239 Kotia-Adivasi Oriya-Desiya
3: adiw1235            Adiwasi Garasia
4: aerr1238  Jikrio Aer;Jikrio Aer;Aer

Данные

df <- structure(list(glt.code = c("adha1238", "adiv1239", "adiw1235",
"aerr1238"), glt.phylogeny = c("adha1238", "adiv1239", "adiw1235",
"jikr1238;jikr1238;aerr1238")), class = "data.frame", row.names = c("1",
"2", "3", "4"))

loup <- structure(list(code = c("adha1238", "adiv1239", "adiw1235",
 "aerr1238", "jikr1238"), name = c("Adhari", "Kotia-Adivasi Oriya-Desiya",
"Adiwasi Garasia", "Aer", "Jikrio Aer"), level = c("language",
"language", "language", "language", "dialect")), class = 
"data.frame", row.names = c("1", "2", "3", "4", "5"))

17.07.2024 14:50