Заменить несколько значений с помощью справочной таблицы

Question

Я очищаю базу данных, одно из полей - "страна", однако названия стран в моей базе данных не соответствуют выводу, который мне нужен.

Я хотя и использовал функцию str_replace, но у меня более 50 стран, которые нужно исправить, так что это не самый эффективный способ. Я уже подготовил файл CSV с исходным вводом страны и выводом, который мне нужен для справки.

Вот что у меня так далеко:

library(stringr)
library(dplyr)
library(tidyr)
library(readxl)
database1<- read_excel("database.xlsx") 
database1$country<str_replace(database1$country,"USA","United States")
database1$country<str_replace(database1$country,"UK","United Kingdom")
database1$country<str_replace(database1$country,"Bolivia","Bolivia,Plurinational State of")
write.csv(database1, "test.csv", row.names=FALSE, fileEncoding = 'UTF 8', na="")

Answer 1

Примечание: уровни и метки внутри factor должен быть уникальным или не должен содержать дубликатов.

# database1 <- read_excel("database.xlsx")  ## read database excel book
old_names <- c("USA", "UGA", "CHL") ## country abbreviations
new_names <- c("United States", "Uganda", "Chile")  ## country full form

база R

database1 <- within( database1, country <- factor( country, levels = old_names, labels = new_names ))

Таблица данных

library('data.table')
setDT(database1)
database1[, country := factor(country, levels = old_names, labels = new_names)]

database1
#          country
# 1: United States
# 2:        Uganda
# 3:         Chile
# 4: United States
# 5:        Uganda
# 6:         Chile
# 7: United States
# 8:        Uganda
# 9:         Chile

Данные

database1 <- data.frame(country = c("USA", "UGA", "CHL", "USA", "UGA", "CHL", "USA", "UGA", "CHL"))
#    country
# 1     USA
# 2     UGA
# 3     CHL
# 4     USA
# 5     UGA
# 6     CHL
# 7     USA
# 8     UGA
# 9     CHL

РЕДАКТИРОВАТЬ: Вы можете создать один именованный вектор countriesвместо двух переменных, таких как old_names и new_names.

countries <- c("USA", "UGA", "CHL")
names(countries) <- c("United States", "Uganda", "Chile")
within( database1, country <- factor( country, levels = countries, labels = names(countries) ))

Answer 2

Решали подобные проблемы в прошлом, используя аналогичный метод с использованием файла.csv для массовых замен.

Пример формата файла.csv:

library(data.table)

## Generate example replacements csv file to see the format used
Replacements <- data.table(Old = c("USA","UGA","CHL"),
                           New = c("United States", "Uganda", "Chile"))

fwrite(Replacements,"Replacements.csv")

Если у вас есть "Replacements.csv", вы можете использовать его для замены всех имен одновременно, используя stringi::replace_all_regex(), (Для чего это стоит, в значительной степени весь stringr пакет по сути является оберткой вокруг звонков stringi, поскольку stringi работает немного быстрее и имеет больший набор функций, я предпочитаю придерживаться stringi.) Смотрите блог stringi vs stringr от HRBRMSTR

library(data.table)
library(readxl)
library(stringi)

## Read in list of replacements
Replacements <- fread("Replacements.csv")

## Read in file to be cleaned
database1<- read_excel("database.xlsx")

## Perform Replacements
database1$countries <- stringi::stri_replace_all_regex(database1$countries,
                                              "^"%s+%Replacements$Old%s+%"$",
                                              Replacements$New,
                                              vectorize_all = FALSE)

## Write CSV
write.csv(database1, "test.csv", row.names=FALSE, fileEncoding = 'UTF 8', na="")

Я пытался использовать базу R data.frame Синтаксис выше, где это возможно, чтобы избежать путаницы, но если бы я делал это для себя, я бы придерживался в полной мере data.table Синтаксис выглядит следующим образом:

library(data.table)
library(readxl)
library(stringi)

## Read in list of replacements
Replacements <- fread("Replacements.csv")

## Read in file to be cleaned
database1<- read_excel("database.xlsx")

## Perform Replacements
database1[, countries := stri_replace_all_regex(countries,"^"%s+%Replacements[,Old]%s+%"$",
                                              Replacements[,New],
                                              vectorize_all = FALSE)]
## Write CSV
fwrite(database1,"test.csv")