使用 data.table 重新编码变量

Question

我正在尝试使用 data.table 重新编码变量。我用 Google 搜索了近 2 个小时，但找不到答案。

假设我有一个 data.table 如下:

DT <- data.table(V1=c(0L,1L,2L),
                 V2=LETTERS[1:3],
                 V4=1:12)

我想重新编码 V1 和 V2。对于 V1，我想将 1 重新编码为 0，将 2 重新编码为 1。对于V2，我想将A重新编码为T，B重新编码为K，C重新编码为D。

如果我使用dplyr，那就很简单。

library(dplyr)
DT %>% 
  mutate(V1 = recode(V1, `1` = 0L, `2` = 1L)) %>% 
  mutate(V2 = recode(V2, A = "T", B = "K", C = "D"))

但我不知道如何在 data.table 中执行此操作

DT[V1==1, V1 := 0]
DT[V1==2, V1 := 1]
DT[V2=="A", V2 := "T"]
DT[V2=="B", V2 := "K"]
DT[V2=="C", V2 := "D"]

以上是我认为最好的代码。但必须有更好、更有效的方法来做到这一点。

<小时/>

编辑

我改变了重新编码 V2 的方式，以使我的示例更加通用。

Answer 1

与 data.table重新编码可以通过加入更新来解决:

DT[.(V1 = 1:2, to = 0:1), on = "V1", V1 := i.to]
DT[.(V2 = LETTERS[1:3], to = c("T", "K", "D")), on = "V2", V2 := i.to]

转换 DT至

    V1 V2 V4
 1:  0  T  1
 2:  0  K  2
 3:  1  D  3
 4:  0  T  4
 5:  0  K  5
 6:  1  D  6
 7:  0  T  7
 8:  0  K  8
 9:  1  D  9
10:  0  T 10
11:  0  K 11
12:  1  D 12

编辑:@Frank 建议使用 i.to为了安全起见。

说明

表达式.(V1 = 1:2, to = 0:1)和.(V2 = LETTERS[1:3], to = c("T", "K", "D")) ，分别创建查找表即时。

或者，可以预先设置查找表

lut1 <- data.table(V1 = 1:2, to = 0:1)
lut2 <- data.table(V2 = LETTERS[1:3], to = c("T", "K", "D"))

lut1

   V1 to
1:  1  0
2:  2  1

lut2

   V2 to
1:  A  T
2:  B  K
3:  C  D

然后，更新连接变成

DT[lut1, on = "V1", V1 := i.to]
DT[lut2, on = "V2", V2 := i.to]

编辑 2:回答如何动态使用此代码？

mat asked “如何动态使用此代码？”

因此，这是一个修改版本，其中要更新的列名称作为字符变量 my_var_name 提供。但查找表仍然是即时创建的:

my_var_name <- "V1"
DT[.(from = 1:2, to = 0:1), on = paste0(my_var_name, "==from"), 
   (my_var_name) := i.to]
my_var_name <- "V2"
DT[.(from = LETTERS[1:3], to = c("T", "K", "D")), on = paste0(my_var_name, "==from"), 
   (my_var_name) := i.to]

有3点需要注意:

1. 它不是动态命名查找表的第一列，而是获得固定名称 from 。这需要不同命名的列之间的联接(外键联接)。必须通过 on 指定要连接的列的名称。参数。
2. on参数接受格式为 "V1==from" 的外键连接字符串。 。该字符串是使用 paste0() 动态创建的.
3. 在表达式 (my_var_name) := i.to 中，变量 my_var_name 两边的括号强制使用 my_var_name 的内容.

使用预定义查找表的动态代码

现在，虽然要重新编码的列是由变量动态指定的，但要使用的查找表在语句中仍然是硬编码的，这意味着我们已经中途停止了:我们还需要选择动态适当的查找表。

这可以通过将查找表存储在列表中来实现，其中每个列表元素根据 DT 列命名。它应该重新编码:

 lut_list  <- list(
  V1 = data.table(from = 1:2, to = 0:1),
  V2 = data.table(from = LETTERS[1:3], to = c("T", "K", "D"))
)
lut_list

$V1
    from    to
   <int> <int>
1:     1     0
2:     2     1

$V2
     from     to
   <char> <char>
1:      A      T
2:      B      K
3:      C      D

现在，我们也可以从列表中动态选择适当的查找表:

my_var_name <- "V1"
DT[lut_list[[my_var_name]], on = paste0(my_var_name, "==from"), 
   (my_var_name) := i.to]

更进一步，我们可以重新编码 DT 的所有相关列。在循环中:

for (v in intersect(names(lut_list), colnames(DT))) {
  DT[lut_list[[v]], on = paste0(v, "==from"), (v) := i.to]
}

请注意DT 通过引用更新，即，仅就地替换受影响的元素，而不复制整个对象。所以，for循环迭代地应用于同一数据对象。这是data.table的特长并且不适用于 data.frames 或 tibbles。