重命名数据框中列中的字符变量 - R

Question

我有一个数据框，其中包含一个名为 ProjectSubject 的列。数据框大约有 1,000,000 行长。

在 ProjectSubject 列中，我有很多不同的字符串。下面是一个例子：

>unique(unlist(projectdf$ProjectSubject))

[1] "Applied Learning"                           "Applied Learning, Literacy 
& Language"     
[3] "Literacy & Language"                        "Special Needs"                             
[5] "Literacy & Language, History & Civics"      "Math & Science"                            
[7] "History & Civics, Math & Science"           "Literacy & Language, 
Special Needs"        
[9] "Applied Learning, Special Needs"            "Health & Sports, Special 
Needs"            
[11] "Math & Science, Literacy & Language"        "Literacy & Language, Math 
& Science"       
[13] "Literacy & Language, Music & The Arts"      "Math & Science, Special 
Needs"             
[15] "Health & Sports"                            "Music & The Arts"                          
[17] "Math & Science, Applied Learning"           "Literacy & Language, 
Applied Learning"     
[19] "Applied Learning, Music & The Arts"         "History & Civics, 
Literacy & Language"     
[21] "Applied Learning, Math & Science"           "Health & Sports, Math & 
Science"           
[23] "Applied Learning, Health & Sports"          "History & Civics"                          
[25] "History & Civics, Music & The Arts"         "Math & Science, History & 
Civics"          
[27] "Math & Science, Music & The Arts"           "Special Needs, Music & 
The Arts"           
[29] "History & Civics, Applied Learning"         "History & Civics, Special 
Needs"           

我需要一种简洁的非手动方式来遍历数据框中的整个列，并用不同的字符串替换一堆这些字符串。例如，我想将“应用学习、特殊需求”替换为“特殊需求”，或者类似地将“应用学习、数学和科学”替换为“数学”。

我有大约 50 个唯一字符串，很像上面给出的示例代码，我想减少到大约 10 个唯一字符串。最好有一种方法，我不必为 50 个字符串中的每个字符串手动输入一行代码。

Answer 1

这是我认为不错的方法：

# first create some fake data that approximates your situation
set.seed(6933)

fruit_words <- c("apple", "orange", "banana", "pappels", "orong", "bernaner")

dat <- data.frame(fruit = sample(fruit_words, size=10, replace=TRUE), 
                  stringsAsFactors=FALSE)

创建一个表，将 的每个唯一值dat$fruit与要替换它的所需类别/字符串相关联：

fruit_lkup <- c(apple="appl", orange="orng", banana="bnna", 
                pappels="appl", orong="orng", bernaner="bnna")

dat$fruit然后利用包含以下名称的事实fruit_lkup

dat$fruit_clean <- as.character(fruit_lkup[dat$fruit])

结果如下：

print(dat)
##       fruit   fruit_clean
## 1   pappels        appl
## 2     orong        orng
## 3     apple        appl
## 4    banana        bnna
## 5     apple        appl
## 6  bernaner        bnna
## 7  bernaner        bnna
## 8   pappels        appl
## 9  bernaner        bnna
## 10 bernaner        bnna

因此，实际上大部分工作在于创建用于查找值的对象 - fruit_lkup。

一种开始方法是使用dput(unique(dat$fruit))，然后将其粘贴到脚本中，并开始提供要替换的值。

如果唯一值太多，您还可以将唯一值写入 csv，然后在其后手动添加要替换的值。然后您可以将（现在）两列 csv 作为数据框读取（例如lookup_df），并fruit_lkup使用fruit_lkup <- setNames(lookup_df$new_values, lookup_df$old_values)

我多次发现这种方法非常方便，基本上与您描述的情况完全相同。

希望这有帮助~~