Rでvlookupと（Excelのように）記入する方法は？

Question

105000行と30列のデータセットがあります。数値に割り当てるカテゴリ変数があります。 Excelでは、おそらくVLOOKUPとfillで何かをするでしょう。

Rで同じことを行うにはどうすればよいですか？

基本的に、私が持っているのはHouseType変数であり、HouseTypeNoを計算する必要があります。サンプルデータを次に示します。

HouseType HouseTypeNo Semi 1 Single 2 Row 3 Single 2 Apartment 4 Apartment 4 Row 3

Ben · Accepted Answer

あなたの質問を正しく理解したら、ExcelのVLOOKUPに相当するRを使用して記入する4つの方法を次に示します。

# load sample data from Q hous <- read.table(header = TRUE, stringsAsFactors = FALSE, text="HouseType HouseTypeNo Semi 1 Single 2 Row 3 Single 2 Apartment 4 Apartment 4 Row 3") # create a toy large table with a 'HouseType' column # but no 'HouseTypeNo' column (yet) largetable <- data.frame(HouseType = as.character(sample(unique(hous$HouseType), 1000, replace = TRUE)), stringsAsFactors = FALSE) # create a lookup table to get the numbers to fill # the large table lookup <- unique(hous) HouseType HouseTypeNo 1 Semi 1 2 Single 2 3 Row 3 5 Apartment 4

HouseTypeNoテーブルの値を使用して、largetableのlookupを埋める4つの方法を次に示します。

最初にmergeをベースに：

# 1. using base base1 <- (merge(lookup, largetable, by = 'HouseType'))

ベースに名前付きベクトルを使用する2番目の方法：

# 2. using base and a named vector housenames <- as.numeric(1:length(unique(hous$HouseType))) names(housenames) <- unique(hous$HouseType) base2 <- data.frame(HouseType = largetable$HouseType, HouseTypeNo = (housenames[largetable$HouseType]))

3番目に、plyrパッケージを使用します。

# 3. using the plyr package library(plyr) plyr1 <- join(largetable, lookup, by = "HouseType")

4番目に、sqldfパッケージを使用します

# 4. using the sqldf package library(sqldf) sqldf1 <- sqldf("SELECT largetable.HouseType, lookup.HouseTypeNo FROM largetable INNER JOIN lookup ON largetable.HouseType = lookup.HouseType")

largetableの一部のハウスタイプがlookupに存在しない可能性がある場合、左結合が使用されます。

sqldf("select * from largetable left join lookup using (HouseType)")

他のソリューションへの対応する変更も必要です。

それはあなたがやりたかったことですか？好きな方法を教えてください。コメントを追加します。

Ben Bolker · Answer

match()も使用できると思います：

largetable$HouseTypeNo <- with(lookup, HouseTypeNo[match(largetable$HouseType, HouseType)])

lookupの順序をスクランブルしても、これは機能します。

maloneypatr · Answer

また、qdapTools::lookupまたは短縮二項演算子%l%を使用することも好きです。 Excel vlookupと同じように機能しますが、列番号ではなく名前引数を受け入れます

## Replicate Ben's data: hous <- structure(list(HouseType = c("Semi", "Single", "Row", "Single", "Apartment", "Apartment", "Row"), HouseTypeNo = c(1L, 2L, 3L, 2L, 4L, 4L, 3L)), .Names = c("HouseType", "HouseTypeNo"), class = "data.frame", row.names = c(NA, -7L)) largetable <- data.frame(HouseType = as.character(sample(unique(hous$HouseType), 1000, replace = TRUE)), stringsAsFactors = FALSE) ## It's this simple: library(qdapTools) largetable[, 1] %l% hous

ECII · Answer

解決策＃2 @Benの答えは、他のより一般的な例では再現できません。 HouseType内の一意のhousesが昇順で表示されるため、この例では正しいルックアップが行われます。これを試して：

hous <- read.table(header = TRUE, stringsAsFactors = FALSE, text="HouseType HouseTypeNo Semi 1 ECIIsHome 17 Single 2 Row 3 Single 2 Apartment 4 Apartment 4 Row 3") largetable <- data.frame(HouseType = as.character(sample(unique(hous$HouseType), 1000, replace = TRUE)), stringsAsFactors = FALSE) lookup <- unique(hous)

Bens Solution＃2が提供するもの

housenames <- as.numeric(1:length(unique(hous$HouseType))) names(housenames) <- unique(hous$HouseType) base2 <- data.frame(HouseType = largetable$HouseType, HouseTypeNo = (housenames[largetable$HouseType]))

いつ

unique(base2$HouseTypeNo[ base2$HouseType=="ECIIsHome" ]) [1] 2

ルックアップテーブルの正解が17の場合

それを行う正しい方法は

 hous <- read.table(header = TRUE, stringsAsFactors = FALSE, text="HouseType HouseTypeNo Semi 1 ECIIsHome 17 Single 2 Row 3 Single 2 Apartment 4 Apartment 4 Row 3") largetable <- data.frame(HouseType = as.character(sample(unique(hous$HouseType), 1000, replace = TRUE)), stringsAsFactors = FALSE) housenames <- tapply(hous$HouseTypeNo, hous$HouseType, unique) base2 <- data.frame(HouseType = largetable$HouseType, HouseTypeNo = (housenames[largetable$HouseType]))

ルックアップが正しく実行されるようになりました

unique(base2$HouseTypeNo[ base2$HouseType=="ECIIsHome" ]) ECIIsHome 17

Bensの回答を編集しようとしましたが、理解できない理由で拒否されます。

geneorama · Answer

ポスターは、exact=FALSEの場合の値の検索については尋ねませんでしたが、これを自分自身の参照およびおそらく他の参照の回答として追加しています。

カテゴリ値を検索する場合は、他の回答を使用してください。

Excelのvlookupを使用すると、4番目の引数（1）match=TRUEを使用して、数値の近似一致を行うこともできます。 match=TRUEは、温度計で値を調べるようなものだと思います。デフォルト値はFALSEであり、カテゴリー値に最適です。

近似的に（ルックアップを実行）したい場合、RにはfindIntervalと呼ばれる関数があり、（名前が示すように）連続した数値を含む間隔/ビンを検索します。

ただし、いくつかの値に対してfindIntervalを使用するとします。ループを作成するか、適用関数を使用できます。ただし、DIYのベクトル化アプローチを採用する方が効率的であることがわかりました。

Xとyでインデックス付けされた値のグリッドがあるとしましょう：

grid <- list(x = c(-87.727, -87.723, -87.719, -87.715, -87.711), y = c(41.836, 41.839, 41.843, 41.847, 41.851), z = (matrix(data = c(-3.428, -3.722, -3.061, -2.554, -2.362, -3.034, -3.925, -3.639, -3.357, -3.283, -0.152, -1.688, -2.765, -3.084, -2.742, 1.973, 1.193, -0.354, -1.682, -1.803, 0.998, 2.863, 3.224, 1.541, -0.044), nrow = 5, ncol = 5)))

xとyで検索したい値がいくつかあります：

df <- data.frame(x = c(-87.723, -87.712, -87.726, -87.719, -87.722, -87.722), y = c(41.84, 41.842, 41.844, 41.849, 41.838, 41.842), id = c("a", "b", "c", "d", "e", "f")

視覚化された例を次に示します。

contour(grid) points(df$x, df$y, pch=df$id, col="blue", cex=1.2)

このタイプの式でx間隔とy間隔を見つけることができます。

xrng <- range(grid$x) xbins <- length(grid$x) -1 yrng <- range(grid$y) ybins <- length(grid$y) -1 df$ix <- trunc( (df$x - min(xrng)) / diff(xrng) * (xbins)) + 1 df$iy <- trunc( (df$y - min(yrng)) / diff(yrng) * (ybins)) + 1

さらに一歩進んで、次のようにgridのz値に対して（単純な）補間を実行できます。

df$z <- with(df, (grid$z[cbind(ix, iy)] + grid$z[cbind(ix + 1, iy)] + grid$z[cbind(ix, iy + 1)] + grid$z[cbind(ix + 1, iy + 1)]) / 4)

これらはあなたにこれらの値を与えます：

contour(grid, xlim = range(c(grid$x, df$x)), ylim = range(c(grid$y, df$y))) points(df$x, df$y, pch=df$id, col="blue", cex=1.2) text(df$x + .001, df$y, lab=round(df$z, 2), col="blue", cex=1)

df # x y id ix iy z # 1 -87.723 41.840 a 2 2 -3.00425 # 2 -87.712 41.842 b 4 2 -3.11650 # 3 -87.726 41.844 c 1 3 0.33150 # 4 -87.719 41.849 d 3 4 0.68225 # 6 -87.722 41.838 e 2 1 -3.58675 # 7 -87.722 41.842 f 2 2 -3.00425

Ixおよびiyは、findIntervalを使用したループでも検出された可能性があることに注意してください。 2行目の例を次に示します

findInterval(df$x[2], grid$x) # 4 findInterval(df$y[2], grid$y) # 2

df[2]のixとiyに一致するもの

脚注：（1）vlookupの4番目の引数は以前は「match」と呼ばれていましたが、リボンを導入した後、「[range_lookup]」に名前が変更されました。

Simon · Answer

で始まります：

houses <- read.table(text="Semi 1 Single 2 Row 3 Single 2 Apartment 4 Apartment 4 Row 3",col.names=c("HouseType","HouseTypeNo"))

...使用できます

as.numeric(factor(houses$HouseType))

...各家の種類に一意の番号を付けるため。ここで結果を見ることができます：

> houses2 <- data.frame(houses,as.numeric(factor(houses$HouseType))) > houses2 HouseType HouseTypeNo as.numeric.factor.houses.HouseType.. 1 Semi 1 3 2 Single 2 4 3 Row 3 2 4 Single 2 4 5 Apartment 4 1 6 Apartment 4 1 7 Row 3 2

...そのため、行に異なる数字が表示されます（因子はアルファベット順になっているため）が、パターンは同じです。

（編集：この回答の残りのテキストは実際には冗長です。確認するために私が思いつき、最初にデータフレームに読み込まれたときにread.table()がすでにhouse $ HouseTypeを要因にしたことが判明しました）。

ただし、HouseTypeをファクターに変換するだけでよい場合があります。これにより、HouseTypeNoと同じメリットが得られますが、家のタイプには番号が付けられるのではなく名前が付けられるため、解釈が容易になります。

> houses3 <- houses > houses3$HouseType <- factor(houses3$HouseType) > houses3 HouseType HouseTypeNo 1 Semi 1 2 Single 2 3 Row 3 4 Single 2 5 Apartment 4 6 Apartment 4 7 Row 3 > levels(houses3$HouseType) [1] "Apartment" "Row" "Semi" "Single"

Sam Firke · Answer

Plyrパッケージのmapvalues()を使用できます。

初期データ：

dat <- data.frame(HouseType = c("Semi", "Single", "Row", "Single", "Apartment", "Apartment", "Row")) > dat HouseType 1 Semi 2 Single 3 Row 4 Single 5 Apartment 6 Apartment 7 Row

ルックアップ/横断歩道テーブル：

lookup <- data.frame(type_text = c("Semi", "Single", "Row", "Apartment"), type_num = c(1, 2, 3, 4)) > lookup type_text type_num 1 Semi 1 2 Single 2 3 Row 3 4 Apartment 4

新しい変数を作成：

dat$house_type_num <- plyr::mapvalues(dat$HouseType, from = lookup$type_text, to = lookup$type_num)

または、単純な置換の場合は、長いルックアップテーブルの作成をスキップして、これを1ステップで直接実行できます。

dat$house_type_num <- plyr::mapvalues(dat$HouseType, from = c("Semi", "Single", "Row", "Apartment"), to = c(1, 2, 3, 4))

結果：

> dat HouseType house_type_num 1 Semi 1 2 Single 2 3 Row 3 4 Single 2 5 Apartment 4 6 Apartment 4 7 Row 3

Bulat · Answer

mergeを使用することは、all.x = Tを使用しない場合に主キー制約がルックアップテーブルで適用されない場合にデータを複製（乗算）する可能性があるか、レコード数を減らす可能性があるため、Excelでのルックアップとは異なります。

あなたがそれで問題を起こさないようにし、安全に検索するために、2つの戦略を提案します。

最初の1つは、ルックアップキーの重複行の数をチェックすることです。

safeLookup <- function(data, lookup, by, select = setdiff(colnames(lookup), by)) { # Merges data to lookup making sure that the number of rows does not change. stopifnot(sum(duplicated(lookup[, by])) == 0) res <- merge(data, lookup[, c(by, select)], by = by, all.x = T) return (res) }

これにより、ルックアップデータセットを使用する前に重複排除する必要があります。

baseSafe <- safeLookup(largetable, house.ids, by = "HouseType") # Error: sum(duplicated(lookup[, by])) == 0 is not TRUE baseSafe<- safeLookup(largetable, unique(house.ids), by = "HouseType") head(baseSafe) # HouseType HouseTypeNo # 1 Apartment 4 # 2 Apartment 4 # ...

2番目のオプションは、ルックアップデータセットから最初に一致する値を取得して、Excelの動作を再現することです。

firstLookup <- function(data, lookup, by, select = setdiff(colnames(lookup), by)) { # Merges data to lookup using first row per unique combination in by. unique.lookup <- lookup[!duplicated(lookup[, by]), ] res <- merge(data, unique.lookup[, c(by, select)], by = by, all.x = T) return (res) } baseFirst <- firstLookup(largetable, house.ids, by = "HouseType")

これらの関数は、複数の列を追加するため、lookupとは少し異なります。