使用多個查找表連接多個列

Question

我的任務是從 R 中的 SAS 重現一個過程。 在過去的 71 個月中，我有 1 個包含 140 萬行和 156 列的表。 列中只有 ID，這些將由文本替換。

為此，有 60 個查找表。 其中一些被多次使用，一些只被使用一次。

我無法顯示真實數據，但這里是表格外觀的一個小示例。：

df <-tibble(contract_id = c(1001, 1002, 1003, 1004, 1005, 1006, 1007, 1008, 1009, 1010),
            feature_a = c(1, 2, 3, 1, 2, 3, 1, 2, 3, 1),
            feature_b = c(3, 2, 1, 3, 2, 1, 3, 2, 1, 3),
            feature_c = c(2, 3, 1, 2, 3, 1, 2, 3, 1, 2),
            feature_d = c(1, 2, 1, 2, 1, 2, 1, 2, 1, 2),
            feature_e = c(2, 1, 2, 1, 2, 1, 2, 1, 2, 1),
            feature_f = c(2, 2, 1, 1, 2, 2, 1, 1, 2, 2))

   contract_id feature_a feature_b feature_c feature_d feature_e feature_f
         <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>
         1001         1         3         2         1         2         2
         1002         2         2         3         2         1         2
         1003         3         1         1         1         2         1
         1004         1         3         2         2         1         1
         1005         2         2         3         1         2         2
         1006         3         1         1         2         1         2
         1007         1         3         2         1         2         1
         1008         2         2         3         2         1         1
         1009         3         1         1         1         2         2
         1010         1         3         2         2         1         2

這些是 60 個查找表中的 2 個，它們被多次使用，例如 lookup_a 使用了 8 次，lookup_b 使用了 15 次：

lookup_a = tibble(id = c(1, 2, 3),
                 value = c("yes", "no", "yes, mandatory"))
                 
lookup_b = tibble(id = c(1, 2),
                  value = c("yes", "no"))

這是所需結果的外觀（feature_a - c 使用 lookup_a 和 feature_d - f 使用查找 b）：

df_expected <-tibble(contract_id = c(1001, 1002, 1003, 1004, 1005, 1006, 1007, 1008, 1009, 1010),
                     feature_a = c("yes", "no", "yes, mandatory", "yes", "no", "yes, mandatory", "yes", "no", "yes, mandatory", "yes"),
            feature_b = c("yes, mandatory", "no", "yes", "yes, mandatory", "no", "yes", "yes, mandatory", "no", "yes", "yes, mandatory"),
            feature_c = c("no", "yes, mandatory", "yes", "no", "yes, mandatory", "yes", "no", "yes, mandatory", "yes", "no"),
            feature_d = c("yes", "no", "yes", "no", "yes", "no", "yes", "no", "yes", "no"),
            feature_e = c("no", "yes", "no", "yes", "no", "yes", "no", "yes", "no", "yes"),
            feature_f = c("no", "no", "yes", "yes", "no", "no", "yes", "yes", "no", "no"))

   contract_id feature_a      feature_b      feature_c      feature_d feature_e feature_f
         <dbl> <chr>          <chr>          <chr>          <chr>     <chr>     <chr>    
         1001 yes            yes, mandatory no             yes       no        no       
         1002 no             no             yes, mandatory no        yes       no       
         1003 yes, mandatory yes            yes            yes       no        yes      
         1004 yes            yes, mandatory no             no        yes       yes      
         1005 no             no             yes, mandatory yes       no        no       
         1006 yes, mandatory yes            yes            no        yes       no       
         1007 yes            yes, mandatory no             yes       no        yes      
         1008 no             no             yes, mandatory no        yes       yes      
         1009 yes, mandatory yes            yes            yes       no        no       
         1010 yes            yes, mandatory no             no        yes       no 

我當然可以為每一列創建一個連接，但這並不令人滿意。 我想保持連接的數量盡可能少：

df %>% 
      left_join(lookup_a, by = c("feature_a" = "id")) %>% 
      select(-feature_a) %>% 
      rename(feature_a = value)

我也嘗試過使用 data.table 或匹配的不同方法，但我還沒有找到一次加入多個列的方法。 我的問題是所有列都更改了，而不是選定的列。

以下是我的問題：

• 有沒有辦法一次對多個列的查找表進行連接/匹配（例如 left_join）並使用列的名稱進行重命名？
• 或者是否可以一次替換多列的值？

也許我現在想的太復雜了，解決方案相對簡單。

先感謝您！

Answer 1

歡迎！ 您可以使用要更改的列索引across mutate動詞中使用 cross 替換多個列的值（對於列 a 到 c 為 2 到 4，對於列 d 到 f 為 5 到 7）：

library(dplyr)
df %>% 
  mutate(across(2:4,
         ~case_when(. == 1 ~ "Yes",
                    . == 2 ~ "No",
                    . == 3 ~ "Yes, mandatory",
                    TRUE ~ "Error"))) %>%
  mutate(across(5:7,
                ~case_when(. == 1 ~ "Yes",
                           . == 2 ~ "No",
                           TRUE ~ "Error")))

Output：

# A tibble: 10 x 7
   contract_id feature_a      feature_b      feature_c      feature_d feature_e feature_f
         <dbl> <chr>          <chr>          <chr>          <chr>     <chr>     <chr>    
 1        1001 Yes            Yes, mandatory No             Yes       No        No       
 2        1002 No             No             Yes, mandatory No        Yes       No       
 3        1003 Yes, mandatory Yes            Yes            Yes       No        Yes      
 4        1004 Yes            Yes, mandatory No             No        Yes       Yes      
 5        1005 No             No             Yes, mandatory Yes       No        No       
 6        1006 Yes, mandatory Yes            Yes            No        Yes       No       
 7        1007 Yes            Yes, mandatory No             Yes       No        Yes      
 8        1008 No             No             Yes, mandatory No        Yes       Yes      
 9        1009 Yes, mandatory Yes            Yes            Yes       No        No       
10        1010 Yes            Yes, mandatory No             No        Yes       No