等价于 SAS 格式（在 R 中）

Question

假设我有一个数据框：

    sick <- c("daa12", "daa13", "daa14", "daa15", "daa16", "daa17")
    code <- c("heart", "heart", "lung", "lung", "cancer", "cancer")
    sick_code <- data.frame(sick, code)  

还有一个：

    pid <- abs(round(rnorm(6)*1000,0))
    sick <- c("-" , "-", "-", "-", "daa16", "SO")
    p_sick <- data.frame(pid, sick)

现在我想向 p_sick 添加一个新变量，将 p_sick$sick“翻译”为sick_code$code。 p_sick$sick 中的变量是一个字符串，它可能是也可能不是 p_sick$sick 在这种情况下应该返回 NA。

现在我可以用一个简单的 ifelse 语句来编写 for 循环。 但是我拥有的数据有 1.5 亿行，而转换表有 15.000 行。

我在谷歌上搜索到，这与 SaS 中的“proc 格式”等效（但我没有访问 SaS，也不知道它是如何工作的）。

也许是 plyr 中合并的某种变体，或应用函数？

编辑：我已经接受了这两个答案，因为它们有效。 我将尝试研究两者之间的差异（速度）。 由于合并是一个内置函数，我猜它会做很多检查。

EDIT2：致通过 Google 来到这里的人们； merge has and sort = FALSE 这将加快速度。 请注意，该顺序不会以任何方式保留。

Answer 1

data.table将适用于您的示例：

   library(data.table)
   setkey(setDT(p_sick),sick)
   p_sick[setDT(sick_code),code := i.code][]
        pid  sick   code
    1: 3137     -     NA
    2:  755     -     NA
    3: 1327     -     NA
    4:  929     -     NA
    5:  939 daa16 cancer
    6:  906    SO     NA

请参阅此处了解详细说明。

Answer 2

您可以将merge与all.x = TRUE （以保留p_sick值，而不会在sick_code匹配：

merge(p_sick, sick_code, all.x = TRUE)

一个等效的方法是使用left_join的 left_join：

library(dplyr)
left_join(p_sick, sick_code)
#    pid  sick   code
# 1  212     -   <NA>
# 2 2366     -   <NA>
# 3  325     -   <NA>
# 4  269     -   <NA>
# 5  501 daa16 cancer
# 6 1352    SO   <NA>

请注意，这些解决方案中的每一个都有效，因为这两个数据帧之间共享了名称sick 。 假设他们有不同的名字——比如在sick_code该列被称为sickness 。 你可以分别适应这个：

merge(p_sick, sick_code, by.x = "sick", by.y = "sickness", all.x = TRUE)
# or
left_join(p_sick, sick_code, c(sick = "sickness"))

Answer 3

一个简单的命名向量也可以使用。 命名向量可以用作查找。 因此，与其将sick 和code 定义为数据帧，不如将其定义为命名向量并将其用作解码。 像这样：

# Set up named vector
sick_decode <- c("heart", "heart", "lung", "lung", "cancer", "cancer")
names(sick_decode) <- c("daa12", "daa13", "daa14", "daa15", "daa16", "daa17")

# Prepare data  
pid <- abs(round(rnorm(6)*1000,0))
sick <- c("-" , "-", "-", "-", "daa16", "SO")
p_sick <- data.frame(pid, sick)
  
# Create new variable using decode
p_sick$sick_decode <- sick_decode[p_sick$sick]

# Results
#>    pid  sick sick_decode
#> 1  511     -        <NA>
#> 2 1619     -        <NA>
#> 3  394     -        <NA>
#> 4  641     -        <NA>
#> 5   53 daa16      cancer
#> 6  244    SO        <NA>

我怀疑这种方法也会很快，但尚未对其进行基准测试。

此外，现在有一个 R 包，专门用于在 R 中复制 SAS 格式功能。它称为fmtr 。