Cambiar el nombre de grandes identificaciones

Question

Supongamos que tengo una data.frame con N filas. La columna id tiene 10 valores únicos; todos esos valores son números enteros mayores que 1E7. Me gustaría cambiar el nombre de ellos para estar numeradas del 1 al 10 y guardar estos nuevos identificadores como una columna en mi hoja.de.datos.

Además, me gustaría determinar fácilmente 1) id id.new dado y 2) id.new id dado.

Por ejemplo:

> set.seed(123)
> ids <- sample(1:1e7,10)
> A <- data.frame(id=sample(ids,100,replace=TRUE),
                  x=rnorm(100))
> head(A)
       id          x
1 4566144  1.5164706
2 9404670 -1.5487528
3 5281052  0.5846137
4  455565  0.1238542
5 7883051  0.2159416
6 5514346  0.3796395

Answer 1

Prueba esto:

A$id.new <- match(A$id,unique(A$id))

Observaciones adicionales: Para obtener la tabla de valores:

rbind(unique(A$id.new),unique(A$id))

Answer 2

Uso de factores:

> A$id <- as.factor(A$id)
> A$id.new <- as.numeric(A$id)
> head(A)
       id          x id.new
1 4566144  1.5164706      4
2 9404670 -1.5487528     10
3 5281052  0.5846137      5
4  455565  0.1238542      1
5 7883051  0.2159416      7
6 5514346  0.3796395      6

Supongamos que x es la edad Identificación y desea que la nueva.

> x <- 7883051
> as.numeric(which(levels(A$id)==x))
[1] 7

Supongamos que y es el nuevo ID y desea que el anterior.

> as.numeric(as.character(A$id[which(as.integer(A$id)==y)[1]]))
[1] 5281052

(Lo anterior se encuentra el primer valor de la identificación en la que el código interno para el factor es 5. ¿Hay mejores maneras?)

Answer 3

Puede utilizar el factor () / ordenado () aquí:

R> set.seed(123)
R> ids <- sample(1:1e7,10)
R> A <- data.frame(id=sample(ids,100,replace=TRUE), x=rnorm(100))
R> A$id.new <- as.ordered(as.character(A$id))
R> table(A$id.new)

2875776 4089769  455565 4566144 5281052 5514346 7883051 8830172 8924185 9404670 
      6      10       6       8      12      10      13      10      10      15 

Y a continuación, puede utilizar as.numeric () para asignar a 1 a 10:

R> A$id.new <- as.numeric(A$id.new)
R> summary(A)
       id                x               id.new     
 Min.   : 455565   Min.   :-2.3092   Min.   : 1.00  
 1st Qu.:4566144   1st Qu.:-0.6933   1st Qu.: 4.00  
 Median :5514346   Median :-0.0634   Median : 6.00  
 Mean   :6370243   Mean   :-0.0594   Mean   : 6.07  
 3rd Qu.:8853675   3rd Qu.: 0.5575   3rd Qu.: 8.25  
 Max.   :9404670   Max.   : 2.1873   Max.   :10.00  
R> 

Answer 4

Una opción es utilizar el paquete hash:

> library(hash)
> sn <- sort(unique(A$id))
> g <- hash(1:length(sn),sn)
> h <- hash(sn,1:length(sn))
> A$id.new <- .get(h,A$id)
> head(A)
       id          x id.new
1 4566144  1.5164706      4
2 9404670 -1.5487528     10
3 5281052  0.5846137      5
4  455565  0.1238542      1
5 7883051  0.2159416      7
6 5514346  0.3796395      6

Supongamos que x es la edad Identificación y desea que la nueva.

> x <- 7883051
> .get(h,as.character(x))
7883051 
      7 

Supongamos que y es el nuevo ID y desea que el anterior.

> y <- 5
> .get(g,as.character(y))
      5 
5281052

(Esto a veces puede ser más conveniente / transparente que el uso de factores.)