代码之家 › 专栏 › 技术社区 › blazej

在R中用混乱的列名连接两个数据帧

dplyr regex r

blazej · 技术社区 · 6 年前

给出这些示例性数据集(1和2):

如何合并每个数据集(1和2) 使用 codes 数据集,以便 codes$id 是否已映射(同步?)到 colnames 属于 dataset1 和 dataset2 他们匹配的地方。

代码 是描述测量站的数据对象。
数据集1 和 数据集2 一些测站的测量结果列命名混乱-除了“测站”之外,没有实际的模式 # “零件。

codes<- data.frame(
      id=c("MotherStation", "station2", "station3",
           "station4", "stationFive", "station6"),
      id2=c("a", "b", "c", "d", "e", "f"),
      var1= seq(1:6),
      var2= seq(1:6))

dataset1 <- data.frame("291_hhaMotherStation_1g44" = rnorm(6), 
                        "143_wwaStation4_1d21"=rnorm(6))

dataset2 <- data.frame("143_wwaStation4_1d21" = rnorm(6), 
                        "station2WWa" = rnorm(6), 
                        "KrkStation6"=rnorm(6))

我想要的结果是:

newData1 <- data.frame(MotherStation = dataset1$X291_hhaMotherStation_1g44,
                       station4 = dataset1$X143_wwaStation4_1d21)

newData2 <- data.frame(station4 = dataset2$X143_wwaStation4_1d21,
                       station2 = dataset2$station2WWa,
                       station6 = dataset2$KrkStation6)

我确实觉得 dplyr join s和一些与RegEx匹配的字符串可以让我到达那里,但我被卡住了(几乎每次涉及RegEx时都会发生这种情况)。

编辑:阅读后 Jennifer 答:我修改了示例代码以匹配更一般的情况,其中 id s英寸 代码 数据帧不一定由粘在其上的唯一数字标识 station ,但实际上只能由字符串表示。

2 回复 | 直到 6 年前

Jennifer Brussow 6 年前

这里有一个非常棘手的解决方案。我相信有一种更漂亮的方法可以消除循环,但这至少可以让你达到你想要的目的。

这使两个数据集的名称标准化。

rename_col <- function(code, dataset){
  index <- grep(code, names(dataset), ignore.case = TRUE)
  names(dataset)[index] <- code
  return(dataset)
}

for(i in seq_len(nrow(codes))){
  dataset1 <- rename_col(codes[i, "id"], dataset1)
  dataset2 <- rename_col(codes[i, "id"], dataset2)
}

从那里,您应该可以进行完全联接。

full_join(dataset1, dataset2)

erocoar 6 年前

这应该行得通-首先将所有不在 id 列,然后将其替换为精确的字符串(因为大小写是不规则的)

dfs <- list(dataset1, dataset2)


out <-  lapply(dfs, function(x) {
  colnames(x) <- gsub(paste(".*(", paste(codes$id, collapse = "|"), ").*", sep = ""), 
       "\\1", colnames(x), perl = TRUE, ignore.case = TRUE)
  colnames(x) <- sapply(colnames(x), function(y) as.character(codes$id[tolower(codes$id) == tolower(y)]))
  return(x)
})

> all.equal(out[[1]], newData1)
[1] TRUE
> all.equal(out[[2]], newData2)
[1] TRUE

并加入:

library(tidyverse)
do.call(full_join, out)

推荐文章

lonix · 使用sed从JSON中提取非贪婪正则表达式

1 年前

me-me · regex检查电子邮件字符串是否有@后跟一个点以及点符号后至少2个字符[重复]

2 年前

Dave Guerrero · 是否有一个正则表达式模式来捕获字符串中直到第一个字母字符的数字?

2 年前

Dima Malko · 如何在指定符号前添加符号?

2 年前

shekharsabale · 从列表元素捕获子字符串

2 年前

maycca · 正则表达式:过滤年份数值大于某个值的文件?字符串中编码的年份

2 年前

Katia · 根据特定规则进行多行匹配

2 年前

Andrei Cleland · 在长正则表达式中包含unicode字符

2 年前

MHA · Pandas str.extract()以字母结尾的数字

2 年前

Slava Vir · 如何查找后面“/”之间的最后一组

2 年前