如何在R中执行vlookup并填写(如在Excel中)？
我有一个大约105000行和30列的数据集.我有一个分类变量,我想将它分配给一个数字.在Excel中,我可能会做一些事情VLOOKUP并填写.
我将如何做同样的事情R？
基本上,我所拥有的是一个HouseType变量,我需要计算HouseTypeNo.以下是一些示例数据:
HouseType HouseTypeNo
Semi 1
Single 2
Row 3
Single 2
Apartment 4
Apartment 4
Row 3
Ben*_*Ben 108
如果我正确理解你的问题,这里有四种方法来做相当于Excel的操作VLOOKUP并使用R以下方法填写:
# load sample data from Q
hous <- read.table(header = TRUE,
stringsAsFactors = FALSE,
text="HouseType HouseTypeNo
Semi 1
Single 2
Row 3
Single 2
Apartment 4
Apartment 4
Row 3")
# create a toy large table with a 'HouseType' column
# but no 'HouseTypeNo' column (yet)
largetable <- data.frame(HouseType = as.character(sample(unique(hous$HouseType), 1000, replace = TRUE)), stringsAsFactors = FALSE)
# create a lookup table to get the numbers to fill
# the large table
lookup <- unique(hous)
HouseType HouseTypeNo
1 Semi 1
2 Single 2
3 Row 3
5 Apartment 4
这里有四种方法,填补了HouseTypeNo在largetable使用中的值lookup表:
先merge在基地:
# 1. using base
base1 <- (merge(lookup, largetable, by = 'HouseType'))
在base中使用命名向量的第二种方法:
# 2. using base and a named vector
housenames <- as.numeric(1:length(unique(hous$HouseType)))
names(housenames) <- unique(hous$HouseType)
base2 <- data.frame(HouseType = largetable$HouseType,
HouseTypeNo = (housenames[largetable$HouseType]))
三,使用plyr包:
# 3. using the plyr package
library(plyr)
plyr1 <- join(largetable, lookup, by = "HouseType")
第四,使用sqldf包
# 4. using the sqldf package
library(sqldf)
sqldf1 <- sqldf("SELECT largetable.HouseType, lookup.HouseTypeNo
FROM largetable
INNER JOIN lookup
ON largetable.HouseType = lookup.HouseType")
如果某些房屋类型可能largetable不存在,lookup那么将使用左连接:
sqldf("select * from largetable left join lookup using (HouseType)")
也需要对其他解决方案进行相应的更改.
那是你想做的吗？让我知道您喜欢哪种方法,我会添加评论.
- 我意识到这已经很晚了，但感谢您的帮助。我尝试了第一种方法和第二种方法。他们俩都工作得很好。再次感谢您回答问题！ (2认同)
- 我认为解决方案#2的作用只是因为在您的示例中,唯一值恰好按递增顺序排列(=第一个唯一名称为1,第二个唯一名称为2,依此类推).如果你添加'hous',请在*第二行*'HousType = ECII',HousTypeNo ='17'中查找完全错误. (2认同)
- 很棒的帖子。感谢分享！#4 非常适合我的应用程序...加入两个非常大的 400MB 表。 (2认同)
Ben*_*ker 18
我想你也可以用match():
largetable$HouseTypeNo <- with(lookup,
HouseTypeNo[match(largetable$HouseType,
HouseType)])
如果我争抢的顺序,这仍然有效lookup.
mal*_*atr 10
我也喜欢使用qdapTools::lookup或简写二元运算符%l%.它与Excel vlookup的工作方式相同,但它接受与列号相对的名称参数
## Replicate Ben's data:
hous <- structure(list(HouseType = c("Semi", "Single", "Row", "Single",
"Apartment", "Apartment", "Row"), HouseTypeNo = c(1L, 2L, 3L,
2L, 4L, 4L, 3L)), .Names = c("HouseType", "HouseTypeNo"),
class = "data.frame", row.names = c(NA, -7L))
largetable <- data.frame(HouseType = as.character(sample(unique(hous$HouseType),
1000, replace = TRUE)), stringsAsFactors = FALSE)
## It's this simple:
library(qdapTools)
largetable[, 1] %l% hous
@ Ben的答案的解决方案#2在其他更通用的示例中不可重现.它碰巧在示例中给出了正确的查找,因为unique HouseTypein houses以递增的顺序出现.试试这个:
hous <- read.table(header = TRUE, stringsAsFactors = FALSE, text="HouseType HouseTypeNo
Semi 1
ECIIsHome 17
Single 2
Row 3
Single 2
Apartment 4
Apartment 4
Row 3")
largetable <- data.frame(HouseType = as.character(sample(unique(hous$HouseType), 1000, replace = TRUE)), stringsAsFactors = FALSE)
lookup <- unique(hous)
Bens解决方案#2给出
housenames <- as.numeric(1:length(unique(hous$HouseType)))
names(housenames) <- unique(hous$HouseType)
base2 <- data.frame(HouseType = largetable$HouseType,
HouseTypeNo = (housenames[largetable$HouseType]))
哪个
unique(base2$HouseTypeNo[ base2$HouseType=="ECIIsHome" ])
[1] 2
当查找表中的正确答案为17时
正确的方法是
hous <- read.table(header = TRUE, stringsAsFactors = FALSE, text="HouseType HouseTypeNo
Semi 1
ECIIsHome 17
Single 2
Row 3
Single 2
Apartment 4
Apartment 4
Row 3")
largetable <- data.frame(HouseType = as.character(sample(unique(hous$HouseType), 1000, replace = TRUE)), stringsAsFactors = FALSE)
housenames <- tapply(hous$HouseTypeNo, hous$HouseType, unique)
base2 <- data.frame(HouseType = largetable$HouseType,
HouseTypeNo = (housenames[largetable$HouseType]))
现在正确执行查找
unique(base2$HouseTypeNo[ base2$HouseType=="ECIIsHome" ])
ECIIsHome
17
我试图编辑Bens答案,但由于我无法理解的原因而被拒绝.
从...开始:
houses <- read.table(text="Semi 1
Single 2
Row 3
Single 2
Apartment 4
Apartment 4
Row 3",col.names=c("HouseType","HouseTypeNo"))
... 您可以使用
as.numeric(factor(houses$HouseType))
...为每种房屋类型提供唯一编号.你可以在这里看到结果:
> houses2 <- data.frame(houses,as.numeric(factor(houses$HouseType)))
> houses2
HouseType HouseTypeNo as.numeric.factor.houses.HouseType..
1 Semi 1 3
2 Single 2 4
3 Row 3 2
4 Single 2 4
5 Apartment 4 1
6 Apartment 4 1
7 Row 3 2
...所以你最终会在行上使用不同的数字(因为因子按字母顺序排序)但是相同的模式.
(编辑:这个答案中的剩余文本实际上是多余的.我read.table()想到要检查一下,事实证明,当它首先被读入数据帧时,已经将房屋$ HouseType变成了一个因素).
但是,您最好只将HouseType转换为一个因子,这将为您提供与HouseTypeNo相同的好处,但更容易解释,因为房屋类型是命名而不是编号,例如:
> houses3 <- houses
> houses3$HouseType <- factor(houses3$HouseType)
> houses3
HouseType HouseTypeNo
1 Semi 1
2 Single 2
3 Row 3
4 Single 2
5 Apartment 4
6 Apartment 4
7 Row 3
> levels(houses3$HouseType)
[1] "Apartment" "Row" "Semi" "Single"
mapvalues()您可以从 plyr 包中使用。
初始数据：
dat <- data.frame(HouseType = c("Semi", "Single", "Row", "Single", "Apartment", "Apartment", "Row"))
> dat
HouseType
1 Semi
2 Single
3 Row
4 Single
5 Apartment
6 Apartment
7 Row
查找/人行横道表：
lookup <- data.frame(type_text = c("Semi", "Single", "Row", "Apartment"), type_num = c(1, 2, 3, 4))
> lookup
type_text type_num
1 Semi 1
2 Single 2
3 Row 3
4 Apartment 4
创建新变量：
dat$house_type_num <- plyr::mapvalues(dat$HouseType, from = lookup$type_text, to = lookup$type_num)
或者，对于简单的替换，您可以跳过创建长查找表并直接一步执行此操作：
dat$house_type_num <- plyr::mapvalues(dat$HouseType,
from = c("Semi", "Single", "Row", "Apartment"),
to = c(1, 2, 3, 4))
结果：
> dat
HouseType house_type_num
1 Semi 1
2 Single 2
3 Row 3
4 Single 2
5 Apartment 4
6 Apartment 4
7 Row 3
张贴者没有询问是否要查找值exact=FALSE，但我将其添加为我自己和其他人的参考答案。
如果要查找分类值，请使用其他答案。
Excel的vlookup还允许您使用第4个参数（1）近似匹配数字值的匹配match=TRUE。我认为match=TRUE就像在温度计上查找值。默认值为FALSE，非常适合分类值。
如果您想近似匹配（执行查找），则R具有一个名为的函数findInterval（顾名思义），该函数将查找包含连续数字值的间隔/区间。
但是，假设您要findInterval输入多个值。您可以编写循环或使用Apply函数。但是，我发现采用DIY向量化方法更为有效。
假设您有一个由x和y索引的值网格：
grid <- list(x = c(-87.727, -87.723, -87.719, -87.715, -87.711),
y = c(41.836, 41.839, 41.843, 41.847, 41.851),
z = (matrix(data = c(-3.428, -3.722, -3.061, -2.554, -2.362,
-3.034, -3.925, -3.639, -3.357, -3.283,
-0.152, -1.688, -2.765, -3.084, -2.742,
1.973, 1.193, -0.354, -1.682, -1.803,
0.998, 2.863, 3.224, 1.541, -0.044),
nrow = 5, ncol = 5)))
并且您想通过x和y查找一些值：
df <- data.frame(x = c(-87.723, -87.712, -87.726, -87.719, -87.722, -87.722),
y = c(41.84, 41.842, 41.844, 41.849, 41.838, 41.842),
id = c("a", "b", "c", "d", "e", "f")
这是可视化的示例：
contour(grid)
points(df$x, df$y, pch=df$id, col="blue", cex=1.2)
您可以使用以下类型的公式找到x间隔和y间隔：
xrng <- range(grid$x)
xbins <- length(grid$x) -1
yrng <- range(grid$y)
ybins <- length(grid$y) -1
df$ix <- trunc( (df$x - min(xrng)) / diff(xrng) * (xbins)) + 1
df$iy <- trunc( (df$y - min(yrng)) / diff(yrng) * (ybins)) + 1
您可以更进一步，对z值执行（简单）插值，grid如下所示：
df$z <- with(df, (grid$z[cbind(ix, iy)] +
grid$z[cbind(ix + 1, iy)] +
grid$z[cbind(ix, iy + 1)] +
grid$z[cbind(ix + 1, iy + 1)]) / 4)
给您这些值：
contour(grid, xlim = range(c(grid$x, df$x)), ylim = range(c(grid$y, df$y)))
points(df$x, df$y, pch=df$id, col="blue", cex=1.2)
text(df$x + .001, df$y, lab=round(df$z, 2), col="blue", cex=1)
df
# x y id ix iy z
# 1 -87.723 41.840 a 2 2 -3.00425
# 2 -87.712 41.842 b 4 2 -3.11650
# 3 -87.726 41.844 c 1 3 0.33150
# 4 -87.719 41.849 d 3 4 0.68225
# 6 -87.722 41.838 e 2 1 -3.58675
# 7 -87.722 41.842 f 2 2 -3.00425
注意，ix和iy也可以使用循环找到findInterval，例如，这是第二行的一个示例
findInterval(df$x[2], grid$x)
# 4
findInterval(df$y[2], grid$y)
# 2
匹配ix和iy中df[2]
脚注：（1）vlookup的第四个参数以前称为“ match”，但是在他们引入功能区之后，它被重命名为“ [range_lookup]”。
| 归档时间： |
|
| 查看次数： |
151748 次 |
| 最近记录： |