Сопоставление значений в списке между двумя наборами данных - PullRequest
Новая
       14

Сопоставление значений в списке между двумя наборами данных

0 голосов
/ 30 октября 2019

У меня есть два набора данных, с которыми я работаю. Первый из них: 

data_1 <- tribble(
  ~shop_name, ~sub_category,
  "A",        "Blu-ray, DVDs, CD",
  "B",        "Sneakers, Make-up, Blu-ray",         
  "C",        "Camera, Optic, DVDs",
  "D",        "Flower, Notebooks, Make-up", 
)

А второй: 

data_2 <- tribble(
  ~sub_category, ~main_category,
  "Blu-ray",      "Electronic",
  "DVDs",         "Electronic",        
  "CD",           "Electronic",
  "Sneakers",     "Fashion",
  "Make-up",      "Fashion", 
  "Camera",       "Electronic",
  "Optic",        "Health", 
  "Flower",       "Home",
)

Теперь я хочу выполнить левое соединение, чтобы добавить основную категорию в data_1. Окончательные данные должны выглядеть следующим образом: 

merged_data <- tribble(
  ~shop_name, ~sub_category,                 ~main_category,
  "A",        "Blu-ray, DVDs, CD",            "Electronic,  Electronic,  Electronic",
  "B",        "Sneakers, Make-up, Blu-ray",   "Fashion,  Fashion,  Electronic",      
  "C",        "Camera, Optic",                "Electronic, Health",
  "D",        "Flower",                       "Home"
)

И я кодировал, как показано ниже: 

data3 <- left_join(data_1, data_2, by = "sub_category")

Но почему-то main_category вернул NA. Может ли кто-нибудь помочь мне? Заранее спасибо.

Ответы [ 2 ]

0 голосов
/ 30 октября 2019

Ниже приведены два data.table решения для записи:

Код

Вы можете напрямую сопоставить каждую строку в subcategory из data_1 ссоответствующий main_category в data_2: 

require(data.table); setDT(data_1); setDT(data_2)

data_1[, main_category := sapply(sub_category, function(x){

  str = unlist(strsplit(x, ', '))
  match = as.numeric(sapply(str, function(x) data_2[, which(x == sub_category)]))
  data_2[match, paste(main_category, collapse = ', ')]

})]

В качестве альтернативы вы можете преобразовать data_1 в длинный формат и присоединиться с помощью data_2 в sub_category: 

data_1 = data_1[, .(sub_category = unlist(strsplit(sub_category, ', '))), keyby = shop_name] # data_1 to long format
dt_final = merge(data_1, data_2, by = 'sub_category', all = T) # Join data_1 and data_2 on sub_category
dt_final = dt_final[, lapply(.SD, function(x) paste(x, collapse = ', ')), keyby = shop_name]

Результаты 

> data_1
   shop_name               sub_category                      main_category
1:         A          Blu-ray, DVDs, CD Electronic, Electronic, Electronic
2:         B Sneakers, Make-up, Blu-ray       Fashion, Fashion, Electronic
3:         C        Camera, Optic, DVDs     Electronic, Health, Electronic
4:         D Flower, Notebooks, Make-up                  Home, NA, Fashion

> dt_final
   shop_name               sub_category                      main_category
1:         A          Blu-ray, CD, DVDs Electronic, Electronic, Electronic
2:         B Blu-ray, Make-up, Sneakers       Electronic, Fashion, Fashion
3:         C        Camera, DVDs, Optic     Electronic, Electronic, Health
4:         D Flower, Make-up, Notebooks                  Home, Fashion, NA
0 голосов
/ 30 октября 2019

В основном вам нужно разделить строки подкатегории от data_1 и затем объединить, то есть 

data_1 %>% 
 separate_rows(sub_category, sep = ', ') %>% 
 left_join(data_2, by = 'sub_category') %>% 
 group_by(shop_name) %>% 
 summarise_all(funs(toString))

, что дает 

# A tibble: 4 x 3
  shop_name sub_category               main_category                     
  <chr>     <chr>                      <chr>                             
1 A         Blu-ray, DVDs, CD          Electronic, Electronic, Electronic
2 B         Sneakers, Make-up, Blu-ray Fashion, Fashion, Electronic      
3 C         Camera, Optic, DVDs        Electronic, Health, Electronic    
4 D         Flower, Notebooks, Make-up Home, NA, Fashion

Если у вас естьчем больше столбцов, тем summarise_all необходимо заменить на summarise_at(vars(contains('category')), funs(toString))

...