针对多个类别的ifelse风格重新编码的习惯用法

Question

我经常遇到这种情况，因此我认为必须有一个很好的习语来描述它。假设我有一个具有一系列属性的data.frame，包括“产品”。我也有一个钥匙，将产品转换为品牌+大小。产品代码1-3是Tylenol，4-6是Advil，7-9是Bayer，10-12是通用的。

对此进行编码的最快方法(就人类时间而言)是什么？

如果有3个或更少的类别，我倾向于使用嵌套的ifelse，如果有3个以上的类别，我倾向于输入数据表并将其合并。还有更好的想法吗? Stata有一个非常好的recode command，用于这类事情，尽管我认为它促进了数据和代码的混合。

dat <- structure(list(product = c(11L, 11L, 9L, 9L, 6L, 1L, 11L, 5L, 
7L, 11L, 5L, 11L, 4L, 3L, 10L, 7L, 10L, 5L, 9L, 8L)), .Names = "product", row.names = c(NA, 
-20L), class = "data.frame")

Answer 1

可以使用列表作为关联数组来定义brand -> product code映射，即：

brands <- list(Tylenol=1:3, Advil=4:6, Bayer=7:9, Generic=10:12)

一旦你有了它，你可以反转它来创建一个product code -> brand列表(可能会占用很多内存)，或者直接使用一个搜索函数：

find.key <- function(x, li, default=NA) {
    ret <- rep.int(default, length(x))
    for (key in names(li)) {
        ret[x %in% li[[key]]] <- key
    }
    return(ret)
}

我确信有更好的方法来编写这个函数( for循环让我很烦！)，但至少它是矢量化的，所以它只需要一次遍历列表。

使用它的过程类似于：

> dat$brand <- find.key(dat$product, brands)
> dat
   product   brand
1       11 Generic
2       11 Generic
3        9   Bayer
4        9   Bayer
5        6   Advil
6        1 Tylenol
7       11 Generic
8        5   Advil
9        7   Bayer
10      11 Generic
11       5   Advil
12      11 Generic
13       4   Advil
14       3 Tylenol
15      10 Generic
16       7   Bayer
17      10 Generic
18       5   Advil
19       9   Bayer
20       8   Bayer

recode和levels<-解决方案非常好，但它们也比这个解决方案慢得多(一旦有了find.key，这对人类来说就比recode更容易了，与levels<-不相上下)：

> microbenchmark(
     recode=recode(dat$product,recodes="1:3='Tylenol';4:6='Advil';7:9='Bayer';10:12='Generic'"), 
     find.key=find.key(dat$product, brands),
     levels=`levels<-`(factor(dat$product),brands))
Unit: microseconds
      expr      min        lq    median        uq      max
1 find.key   64.325   69.9815   76.8950   83.8445  221.748
2   levels  240.535  248.1470  274.7565  306.8490 1477.707
3   recode 1636.039 1683.4275 1730.8170 1855.8320 3095.938

(我无法正确地对switch版本进行基准测试，但它似乎比上面的所有版本都要快，尽管它比recode解决方案更不适合人类。)

Answer 2

您可以将您的变量转换为因子，并通过levels<-函数更改其级别。在一个命令中，它可能是这样的：

`levels<-`(
    factor(dat$product),
    list(Tylenol=1:3, Advil=4:6, Bayer=7:9, Generic=10:12)
)

在步骤中：

brands <- factor(dat$product)
levels(brands) <- list(Tylenol=1:3, Advil=4:6, Bayer=7:9, Generic=10:12)

Answer 3

我喜欢car包中的recode函数：

library(car)

dat$brand <- recode(dat$product,
  recodes="1:3='Tylenol';4:6='Advil';7:9='Bayer';10:12='Generic'")

# > dat
#    product   brand
# 1       11 Generic
# 2       11 Generic
# 3        9   Bayer
# 4        9   Bayer
# 5        6   Advil
# 6        1 Tylenol
# 7       11 Generic
# 8        5   Advil
# 9        7   Bayer
# 10      11 Generic
# 11       5   Advil
# 12      11 Generic
# 13       4   Advil
# 14       3 Tylenol
# 15      10 Generic
# 16       7   Bayer
# 17      10 Generic
# 18       5   Advil
# 19       9   Bayer
# 20       8   Bayer