Есть ли синтаксический сахар для определения фрейма данных в R

Question

Я хочу перегруппировать штаты США по регионам, и поэтому мне нужно определить функцию отображения «Штат США» -> «Регион США», которая выполняется путем настройки соответствующего фрейма данных.

Основаэто упражнение (по-видимому, это карта «Содружества радиоактивных осадков»):

Начинается с исходного списка в необработанном виде:

Alabama = "Gulf"
Arizona = "Four States"
Arkansas = "Texas"
California = "South West"
Colorado = "Four States"
Connecticut = "New England"
Delaware = "Columbia"

, что в конечном итоге приводит к следующему R-коду:

us_state <- c("Alabama","Arizona","Arkansas","California","Colorado","Connecticut",
"Delaware","District of Columbia","Florida","Georgia","Idaho","Illinois","Indiana",
"Iowa","Kansas","Kentucky","Louisiana","Maine","Maryland","Massachusetts","Michigan",
"Minnesota","Mississippi","Missouri","Montana","Nebraska","Nevada","New Hampshire",
"New Jersey","New Mexico","New York","North Carolina","North Dakota","Ohio","Oklahoma",
"Oregon","Pennsylvania","Rhode Island","South Carolina","South Dakota","Tennessee",
"Texas","Utah","Vermont","Virginia","Washington","West Virginia ","Wisconsin","Wyoming")

us_region <- c("Gulf","Four States","Texas","South West","Four States","New England",
"Columbia","Columbia","Gulf","Southeast","North West","Midwest","Midwest","Plains",
"Plains","East Central","Gulf","New England","Columbia","New England","Midwest",
"Midwest","Gulf","Plains","North","Plains","South West","New England","Eastern",
"Four States","Eastern","Southeast","North","East Central","Plains","North West",
"Eastern","New England","Southeast","North","East Central","Texas","Four States",
"New England","Columbia","North West","Eastern","Midwest","North")

us_state_to_region_map <- data.frame(us_state, us_region, stringsAsFactors=FALSE)

, который в высшей степени уродлив и не поддерживается, поскольку отображение состояния -> регион эффективно скрывается.

Я на самом деле написал программу на Perl для генерации вышеупомянутого из исходного списка.

В Perl можно написать что-то вроде:

#!/usr/bin/perl

$mapping = {
"Alabama"=> "Gulf",
"Arizona"=> "Four States",
"Arkansas"=> "Texas",
"California"=> "South West",
"Colorado"=> "Four States",
"Connecticut"=> "New England",
...etc...etc...
"West Virginia "=> "Eastern",
"Wisconsin"=> "Midwest",
"Wyoming"=> "North" };

, которую можно поддерживать, потому что одинможет проверять сопоставление построчно.

Должно быть что-то похожее на это совершенство Perl в R?

Answer 1

Если us_region является именованным списком ...

us_region <- list(Alabama = "Gulf",
                  Arizona = "Four States",
                  Arkansas = "Texas",
                  California = "South West",
                  Colorado = "Four States",
                  Connecticut = "New England",
                  Delaware = "Columbia")

Тогда

us_state_to_region_map <- data.frame(us_state = names(us_region), 
                                     us_region = sapply(us_region, c),
                                     stringsAsFactors = FALSE)

и в качестве бонуса вы также получаете состояния в качестве имен строк .. .

us_state_to_region_map
               us_state   us_region
Alabama         Alabama        Gulf
Arizona         Arizona Four States
Arkansas       Arkansas       Texas
California   California  South West
Colorado       Colorado Four States
Connecticut Connecticut New England
Delaware       Delaware    Columbia

Answer 2

Кажется, немного открытым для интерпретации того, что вы ищете.

Должен ли mapping быть элементом типа функции таким образом, чтобы вызов возвращал регион или наоборот (например, аналогично вызову функции mapping("alabama") => "Gulf")?

Я читаю вопрос, чтобы больше искать хранилище в стиле словаря, которое в R можно получить с эквивалентом list

ncountry <- 49
mapping <- as.list(c("Gulf","Four States",
...
,"Midwest","North"))
names(mapping) <- c("Alabama","Arizona",
...
,"Wisconsin","Wyoming")
mapping[["Pennsylvania"]]
[1] "Eastern"

Это может быть выполнено в одномзвоните

mapping <- list("Alabama" = "Gulf",  
                "Arizona" = "Four States", 
                 ..., 
                "Wisconsin" = "Midwest", 
                "Wyoming" = "North")

, что позволяет очень просто проверить, что отображение работает, как ожидалось. Однако это не очень хорошо конвертируется в 2 столбца data.frame, который мы затем получили бы, используя

mapping_df <- data.frame(region = unlist(mapping), state = names(mapping))

. Примечание «не красиво» просто означает, что as.data.frame не переводит входные данные в 2 столбца. output.

В качестве альтернативы просто будет использоваться именованный символьный вектор

mapping_c <- c("Alabama" = "Gulf",  
                "Arizona" = "Four States", 
                 ..., 
                "Wisconsin" = "Midwest", 
                "Wyoming" = "North")

, который будет преобразован в data.frame почти таким же образом

mapping_df_c <- data.frame(region = mapping_c, state = names(mapping_c))

Обратите внимание, однако, на небольшую разницу в двух вариантах хранения. При ссылке на запись, которая существует с использованием либо одиночных скобок [, либо двойных скобок [[, работает нормально

#Works:
mapping_c["Pennsylvania"] == mapping["Pennsylvania"]
#output
Pennsylvania 
        TRUE
mapping_c[["Pennsylvania"]] == mapping[["Pennsylvania"]]
[1] TRUE

Но при ссылке на неизвестные записи они немного отличаются по поведению

#works sorta:
mapping_c["hello"] == mapping["hello"]
#output
$<NA>
NULL
#Does not work:
mapping_c[["hello"]] == mapping[["hello"]]

Ошибка в mapping_c [["hello"]]: индекс за пределами

Если вы конвертируете свой ввод в data.frame, это не проблема, но об этом стоит знатьиз этого вы получите ожидаемое поведение.

Конечно, вы можете использовать вызов функции для создания правильного словаря с простым оператором switch. Я не думаю, что это было бы лучше, хотя.

Answer 3

Как говорит @ tim-biegeleisen, более целесообразно сохранить этот набор данных в базе данных, файле CSV или электронной таблице и открыть его в R (с помощью readxl::read_excel(), readr::read_csv(), ...).

Однако, если вы хотите написать это непосредственно в своем коде, вы можете использовать tibble:tribble(), который позволяет записывать строку данных по строкам:

library(tibble)
tribble(~ state, ~ region,
        "Alabama", "Gulf",
        "Arizona", "Four States",
(...)
        "Wisconsin", "Midwest", 
        "Wyoming", "North")

Answer 4

Одним из вариантов может быть создание фрейма данных в широком формате (ваш первоначальный список делает его очень простым, и это поддерживает очень очевидное отображение. На самом деле оно очень похоже на ваш код Perl), затем преобразуйте его вдлинный формат :

library(tidyr)

data.frame(
  Alabama = "Gulf",
  Arizona = "Four States",
  Arkansas = "Texas",
  California = "South West",
  Colorado = "Four States",
  Connecticut = "New England",
  Delaware = "Columbia",
  stringsAsFactors = FALSE
) %>%
  gather("us_state", "us_region") # transform to long format