Маскировка данных в Dataframe

Question

• У меня есть датафрейм с 8 уникальными значениями

   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 
  

• Я создаю другой фрейм данных, содержащий 8 уникальных значений, которые будут использоваться в качестве замены

   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
  

• Я хочу заменить все уникальные значения из data dataframe со значениями в replacement dataframe ниже пути

Все значения ab заменены на SJ
Все значения cc заменены на fH
Все значения dd заменены на TZ
Все ее значения заменены на Mr
Все значения ff заменены на oZ
Все значения gg заменены на kZ
Все 1 значения заменены на fe
Все значения воздуха заменены на ql

• В настоящее время я достигаю этого путем:

      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
  

• Есть ли базовая функция в R для достижения? Есть ли лучший подход для маскировки данных, чем этот?

Answer 1

• Маскировка данных с использованием алгоритма CRC32

  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]
  

Список литературы: Анонимность данных в R

Answer 2

Я бы предложил использовать merge(), но для этого сначала нужно добавить столбец уникальных data$id в replacements, так как оба data.frames должны иметь общий столбец.

Вот 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

Вот replacements:

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

Так что добавьте уникальный data$id в replacements:

replacements$id <- unique(data$id)

Предоставление:

  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

Затем объединить data с replacements с помощью id:

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

Предоставление:

    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

Если вы действительно хотите сохранить только новый id колонка, вы можете уронить оригинал id и переименуйте новый столбец:

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

Предоставление:

   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