Question

我有一个包含8个唯一值的数据框

 data<-data.frame(id=c("ab","cc","cc","dd","ee","ff","ee","ff","ab","dd","gg",1,"air"))
 >data
       id
    1  ab
    2  cc
    3  cc
    4  dd
    5  ee
    6  ff
    7  ee
    8  ff
    9  ab
    10 dd
    11 gg
    12 1
    13 air

我创建了另一个包含8个唯一值的数据框，这些值将用作替换

 library(random)
 replacements<-data.frame(value=randomStrings(n=8, len=2, digits=FALSE,loweralpha=TRUE, unique=TRUE, check=TRUE))
 replacements 
  V1
 1 SJ
 2 fH
 3 TZ
 4 Mr
 5 oZ
 6 kZ
 7 fe
 8 ql

我想将data dataframe中的所有唯一值替换为replacement dataframe中的值

所有ab值均由SJ替换所有cc值均由fH替换所有dd值均由TZ替换所有的ee价值都由何先生取代所有ff值均由oZ替换所有gg值均由kZ替换所有1个值都替换为fe
所有空气值均由ql

取代

目前，我通过以下方式实现这一目标：

    data<-data.frame(id=c("ab","cc","cc","dd","ee","ff","ee","ff","ab","dd","gg",1,"air"))
    data$id<-as.character(data$id)
    replacements<-data.frame(value=randomStrings(n=8, len=2, digits=FALSE,loweralpha=TRUE, unique=TRUE, check=TRUE))
    replacements$V1<-as.character(replacements$V1)
    for(i in 1:length(unique(data$id))){
         data$id[data$id %in% data$id[i]] <- replacements$V1[i]
    }  


    >data
       id
    1  SJ
    2  fH
    3  fH
    4  TZ
    5  Mr
    6  oZ
    7  Mr
    8  oZ
    9  SJ
    10 TZ
    11 kZ
    12 fe
    13 ql

R中是否有任何基本功能可以实现？是否更好的方法比屏蔽数据更好？

Answer 1

我建议您使用merge()，但为了做到这一点，您首先需要向data$id添加一列唯一的replacements，因为两个data.frame都需要有一个列常见的。

此处data：

> data
    id
1   ab
2   cc
3   cc
4   dd
5   ee
6   ff
7   ee
8   ff
9   ab
10  dd
11  gg
12   1
13 air

此处replacements：

> replacements
  V1
1 VS
2 Of
3 bH
4 iJ
5 jm
6 kH
7 cm
8 rQ

因此，请将data$id添加到replacements：

replacements$id <- unique(data$id)

，并提供：

  V1  id
1 VS  ab
2 Of  cc
3 bH  dd
4 iJ  ee
5 jm  ff
6 kH  gg
7 cm   1
8 rQ air

然后使用data将replacements与id合并：

data <- merge(data, replacements, by = "id", all.x = TRUE, sort = FALSE)

，并提供：

    id V1
1   ab VS
2   ab VS
3   cc Of
4   cc Of
5   dd bH
6   dd bH
7   ee iJ
8   ee iJ
9   ff jm
10  ff jm
11  gg kH
12   1 cm
13 air rQ

如果您真的只想保留新的id列，则可以删除原始id并重命名新列：

data <- data[, 2, drop = FALSE]
colnames(data) <- "id"

，并提供：

   id
1  VS
2  VS
3  Of
4  Of
5  bH
6  bH
7  iJ
8  iJ
9  jm
10 jm
11 kH
12 cm
13 rQ

Answer 2

使用算法CRC32

屏蔽数据

library(data.table)
library(digest)
data<-data.frame(id=c("ab","cc","cc","dd","ee","ff","ee","ff","ab","dd","gg",1,"air"))
setDT(data)

anonymize <- function(x, algo="crc32"){
    unq_hashes <- vapply(unique(x), function(object) digest(object, algo=algo), FUN.VALUE="", USE.NAMES=TRUE)
    unname(unq_hashes[x])
}

cols_to_mask <- c("id")
data[,cols_to_mask := lapply(.SD, anonymize),.SDcols=cols_to_mask,with=FALSE]

参考文献：Data anonymization in R

Dataframe中的数据屏蔽

2 个答案: