Mudar o nome de grandes IDs
Pergunta
Suponha que eu tenho um data.frame com N linhas. A coluna tem 10 id
valores originais; todos esses valores são inteiros maiores do que 1E7. Eu gostaria de renomeá-los para ser numerados de 1 a 10 e salvar estes novos IDs como uma coluna no meu data.frame.
Além disso, eu gostaria de determinar facilmente 1) id
dada id.new
e 2) id.new
dada id
.
Por exemplo:
> 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
Solução
Tente isto:
A$id.new <- match(A$id,unique(A$id))
Comentários adicionais: Para obter a tabela de valores:
rbind(unique(A$id.new),unique(A$id))
Outras dicas
Usando fatores:
> A$id <- as.factor(A$id)
> A$id.new <- as.numeric(A$id)
> head(A)
id x id.new
1 4566144 1.5164706 4
2 9404670 -1.5487528 10
3 5281052 0.5846137 5
4 455565 0.1238542 1
5 7883051 0.2159416 7
6 5514346 0.3796395 6
Suponha que x é a idade ID e você quer o novo.
> x <- 7883051
> as.numeric(which(levels(A$id)==x))
[1] 7
Suponha que y é o novo ID e você quer que o antigo.
> as.numeric(as.character(A$id[which(as.integer(A$id)==y)[1]]))
[1] 5281052
(As descobertas acima do primeiro valor do id em que o código interno para o fator é 5. Há maneiras melhores?)
Você pode usar o factor () / ordenado () aqui:
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$id.new)
2875776 4089769 455565 4566144 5281052 5514346 7883051 8830172 8924185 9404670
6 10 6 8 12 10 13 10 10 15
E você pode então usar as.numeric () para mapear para 1 a 10:
R> A$id.new <- as.numeric(A$id.new)
R> summary(A)
id x id.new
Min. : 455565 Min. :-2.3092 Min. : 1.00
1st Qu.:4566144 1st Qu.:-0.6933 1st Qu.: 4.00
Median :5514346 Median :-0.0634 Median : 6.00
Mean :6370243 Mean :-0.0594 Mean : 6.07
3rd Qu.:8853675 3rd Qu.: 0.5575 3rd Qu.: 8.25
Max. :9404670 Max. : 2.1873 Max. :10.00
R>
Uma opção é usar o pacote hash
:
> library(hash)
> sn <- sort(unique(A$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
Suponha que x é a idade ID e você quer o novo.
> x <- 7883051
> .get(h,as.character(x))
7883051
7
Suponha que y é o novo ID e você quer que o antigo.
> y <- 5
> .get(g,as.character(y))
5
5281052
(Isto às vezes pode ser mais conveniente / transparente do que usando fatores.)