![](/img/trans.png)
[英]With data.table in R, how do I efficiently replace multiple column values named within a single column?
[英]How do I replace values in a data.table's column using a look up table? [R]
我有一個鍵和一個巨大的元數據表。 元數據表中有一列,其中包含諸如以下的值:
body_site
Lung
Lung
Brain - Amygdala
Brain - Amygdala
Brain - Caudate (basal ganglia)
Brain - Caudate (basal ganglia)
Lung
Lung
Skin - Sun Exposed (Lower leg)
Skin - Sun Exposed (Lower leg)
Brain - Spinal cord (cervical c-1)
Brain - Spinal cord (cervical c-1)
以body_site
作為標題。 密鑰如下所示:
Tissue,Key
Adipose - Subcutaneous,ADPSBQ
Adipose - Visceral (Omentum),ADPVSC
Adrenal Gland,ADRNLG
Artery - Aorta,ARTAORT
Artery - Coronary,ARTACRN
Artery - Tibial,ARTTBL
Bladder,BLDDER
Brain - Amygdala,BRNAMY
Brain - Anterior cingulate cortex (BA24),BRNACC
這是每種組織的相應縮寫的csv
。 我想要做的是用第二個表的第二列中的相應縮寫替換第一張表的列中的所有條目。
問題是,當我聽取一個廣受歡迎的帖子的建議來演示如何執行此操作時,我最終會以某種形式最終得到一個僅包含body_site
列值的表。 換句話說,該表中的所有其他數據都將被刪除,但被替換的數據除外。 從好的方面來說,替換是可行的,但是現在我有了一個完全空白的表,只保留標題。
這是我的代碼的樣子。 我嘗試了由最佳回答者提供的兩種解決方案。
library("data.table")
args = commandArgs(trailingOnly=TRUE)
# SraRunTable.txt is args[1]
#sratabl <- fread(args[1])
sratabl <- fread("SraRunTable.txt")
tiskey <- fread("GTExTissueKey.csv")
# current directory is args [2]
new <- sratabl # create a copy of df
# using lapply, loop over columns and match values to the look up table. store in "new".
new[] <- lapply(sratabl, function(x) tiskey$Key[match(x, tiskey$Tissue)])
new <- sratabl
new[] <- tiskey$Key[match(unlist(sratabl), tiskey$Tissue)]
這是一個解決方案:
require(data.table)
df1 <- data.frame(a = c("a","b","c"), b = c("x","y","z"))
df2 <- data.frame(a = c("a","c"), b = c("new_x","new_z"))
setDT(df1)
setDT(df2)
# inspect each df
df1
# a b
# 1: a x
# 2: b y
# 3: c z
df2
# a b
# 1: a new_x
# 2: c new_z
l <- match(df1$a, df2$a, nomatch = 0)
df1$b[l != 0] <- df2$b[l]
df1
# a b
# 1: a new_x
# 2: b y
# 3: c new_z
lapply
; 由於您正在處理框架中的單個列,因此無需在此使用它。 NA
(無論如何,您都應該警惕)。 因此,我建議使用中間/臨時變量。 對於上面的#2,我將變量保留在框架中(然后將其刪除)以便於關聯,盡管不需要這樣做,可以將其存儲在獨立向量中,然后在修復后進行賦值。
df1$tmp <- df2$Key[ match(df1$body_site, df2$Tissue) ]
head(df1)
# body_site tmp
# 1 Lung <NA>
# 2 Lung <NA>
# 3 Brain - Amygdala BRNAMY
# 4 Brain - Amygdala BRNAMY
# 5 Brain - Caudate (basal ganglia) <NA>
# 6 Brain - Caudate (basal ganglia) <NA>
這些是您需要警惕的NA
...下一部分僅當不是NA
時才使用新列。
df1$tmp <- ifelse(is.na(df1$tmp), df1$body_site, df1$tmp)
head(df1)
# body_site tmp
# 1 Lung Lung
# 2 Lung Lung
# 3 Brain - Amygdala BRNAMY
# 4 Brain - Amygdala BRNAMY
# 5 Brain - Caudate (basal ganglia) Brain - Caudate (basal ganglia)
# 6 Brain - Caudate (basal ganglia) Brain - Caudate (basal ganglia)
現在,清理:
df1$body_site <- df1$tmp
df1$tmp <- NULL
選擇:加入。
library(dplyr)
left_join(df1, df2, by=c("body_site" = "Tissue")) %>% head()
# body_site Key
# 1 Lung <NA>
# 2 Lung <NA>
# 3 Brain - Amygdala BRNAMY
# 4 Brain - Amygdala BRNAMY
# 5 Brain - Caudate (basal ganglia) <NA>
# 6 Brain - Caudate (basal ganglia) <NA>
(需要相同的清理)
library(data.table)
head( merge(df1, df2, by.x="body_site", by.y="Tissue", all.x=TRUE) )
# body_site Key
# 1: Brain - Amygdala BRNAMY
# 2: Brain - Amygdala BRNAMY
# 3: Brain - Caudate (basal ganglia) <NA>
# 4: Brain - Caudate (basal ganglia) <NA>
# 5: Brain - Spinal cord (cervical c-1) <NA>
# 6: Brain - Spinal cord (cervical c-1) <NA>
(需要相同的清理)
數據:
df1 <- read.csv(header=T, stringsAsFactors=F, text='
body_site
Lung
Lung
Brain - Amygdala
Brain - Amygdala
Brain - Caudate (basal ganglia)
Brain - Caudate (basal ganglia)
Lung
Lung
Skin - Sun Exposed (Lower leg)
Skin - Sun Exposed (Lower leg)
Brain - Spinal cord (cervical c-1)
Brain - Spinal cord (cervical c-1)')
df2 <- read.csv(header=T, stringsAsFactors=F, text='
Tissue,Key
Adipose - Subcutaneous,ADPSBQ
Adipose - Visceral (Omentum),ADPVSC
Adrenal Gland,ADRNLG
Artery - Aorta,ARTAORT
Artery - Coronary,ARTACRN
Artery - Tibial,ARTTBL
Bladder,BLDDER
Brain - Amygdala,BRNAMY
Brain - Anterior cingulate cortex (BA24),BRNACC')
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.