Question

我有一个包含许多错误名称的数据集。我创建了一个两列.csv，其中包含一列中的旧（不正确）名称以及第二列中相应的新（正确）名称。现在我需要告诉R用正确的名称替换数据中的每个旧名称。

testData = data.table(oldName = c("Nu York", "Was DC", "Buston",  "Nu York"))
replacements = data.table(oldName = c("Buston", "Nu York", "Was DC"), 
    newName = c("Boston", "New York", "Washington DC"))

    # The next line fails.
holder = replace(testData, testData[, oldName]==replacements[, oldName], 
    replacements[, newName]

Answer 1

这就是我替换的方式：

setkey(testData, oldName)
setkey(replacements, oldName)

testData[replacements, oldName := newName]
testData
#         oldName
#1:        Boston
#2:      New York
#3:      New York
#4: Washington DC

如果您喜欢原始订单，可以添加索引，并在最后按原始顺序将其放回。

Answer 2

我到达这里寻找解决方案，并设法将其调整为我的要求。如果需要保持原始订单，请不要使用setkey。我在两个表上都添加了互斥行，以进行更好的测试。

library(data.table)

testData = data.table(
  city = c("Nu York", "Was DC", "Buston",  "Nu York", "Alabama")
)

如果查询表中按列名称进行的联接相同：

replacements = data.table(
  city = c("Buston", "Nu York", "Was DC", "tstDummy"), 
  city_newName = c("Boston", "New York", "Washington DC", "Test Dummy")
)

testData[replacements, city := city_newName, on=.(city)][]

如果查询表中按列名称进行的联接不同：

replacements = data.table(
  city_oldName = c("Buston", "Nu York", "Was DC", "tstDummy"), 
  city_newName = c("Boston", "New York", "Washington DC", "Test Dummy")
)

testData[replacements, city := city_newName, on=.(city = city_oldName)][]

无论哪种方式，testData都将更改为：

            city
1:      New York
2: Washington DC
3:        Boston
4:      New York
5:       Alabama

不进行任何键操作并保留原始顺序。

匹配并替换data.table中的许多值

2 个答案: