Сопоставить с ключом и вернуть уникальный идентификатор в R - PullRequest
Новая
       13

Сопоставить с ключом и вернуть уникальный идентификатор в R

1 голос
/ 06 апреля 2020

Задача: я скопировал большой набор данных, который включает переменную (data $ author), которую мне нужно очистить. Это частично организовано по названию работы, частично организовано по имени. Мне нужно, чтобы это соглашение об именах было стандартизировано для анализа по правильному названию должности, в которой содержится имя связанного лица. Итак, в моем следующем примере Джим - это президент, Боб - генеральный директор и т. Д. c. Еще одним осложнением является то, что люди со временем перемещаются по работе, поэтому связь имя-работа связана с годом. Короче говоря, я хочу создать новую переменную в фрейме данных со стандартизированным названием должности.

Вот мое мнение: создать функцию сопоставления, чтобы проверять каждую запись по главному ключу, и вернуть правильный заголовок работы (с помощью связанное имя + дата) к новому вектору. 

jobs <- c("Prez", "CEO", "VP", "VP", "Director", "Assistant", "Secretary", "Intern")
names <- c("Susan", "Bob", "Susan", "Jim", "Gail", "Emily", "Dan", "Anne")
year <- c("86", "85-86", "85", "85-86", "85-86", "85-86", "85-86", "85-86")

key <- cbind(jobs, names, year)

DocID <- c(1:20)
author <- sample(c(jobs,names), 20, replace=T)
data <- cbind(DocID, author, year_data)

data$cleaned <- Magic.Clean.Function(data$author)

Надеемся получить в итоге вектор "data $ cleaned" со списком только исправленных названий должностей.

РЕДАКТИРОВАТЬ: Извините, если это немного грязно, я пытаюсь воссоздать упрощенную версию моего фактического DF. Спасибо за помощь!

1 Ответ

0 голосов
/ 06 апреля 2020 
library('data.table')
setDT(data)
setDT(key_df)
setnames(key_df, "names", "author")  # rename names to author column in key_df
data[key_df, on = c('author', 'year'), nomatch = 0]  # match on only author and year values between data and key_df datatables, and show the matched rows of data.
#    DocID author  year      jobs
# 1:    11  Susan    85        VP
# 2:     2    Jim 85-86        VP
# 3:    13   Gail 85-86  Director
# 4:     8  Emily 85-86 Assistant
# 5:    16  Emily 85-86 Assistant
# 6:     5   Anne 85-86    Intern
# 7:     6   Anne 85-86    Intern

ИЛИ 

# if you want to add jobs column in your data
data[key_df, on = c('author', 'year'), jobs := jobs]
data

вектор длины (автор), который возвращает исправленное название должности 

data[key_df, on = c('author', 'year'), nomatch = 0, author]
# [1] "Susan" "Jim"   "Gail"  "Emily" "Emily" "Anne"  "Anne" 

# unique authors
data[key_df, on = c('author', 'year'), nomatch = 0, unique(author)]
# [1] "Susan" "Jim"   "Gail"  "Emily" "Anne"

Данные: 

jobs <- c("Prez", "CEO", "VP", "VP", "Director", "Assistant", "Secretary", "Intern")
names <- c("Susan", "Bob", "Susan", "Jim", "Gail", "Emily", "Dan", "Anne")
year <- c("86", "85-86", "85", "85-86", "85-86", "85-86", "85-86", "85-86")

key_df <- data.frame(jobs, names, year, stringsAsFactors = FALSE)

DocID <- c(1:20)
set.seed(2L)
author <- sample(c(jobs,names), 20, replace=T)
data <- data.frame(DocID, author, stringsAsFactors = FALSE)
data$year <- c( key_df$year, key_df$year, key_df$year[1:4])
...