如何在R语言中基于字典将含编码的data.frame映射为字符串

原始数据与映射字典 #

首先定义待处理的数据集和映射字典：

# 待处理数据集
mydata <- data.frame(id = 1:5,
                     item1 = c("", "", "1222", "1222", ""),
                     item2 = c("13", "", "", "", "382"))

数据集预览：

> mydata
  id item1 item2
1  1          13
2  2            
3  3  1222      
4  4   987      
5  5         382

# 编码-字符串映射字典
dictionary <- data.frame(code = c(1, 13, 382, 987, 1222),
                entry = c("ballet", "soccer", "basketball", "painting", "pottery"))

字典预览：

> dictionary
  code      entry
1    1     ballet
2   13     soccer
3  382 basketball
4  987   painting
5 1222    pottery

需求说明 #

需要将mydata中item1、item2列的编码（含空字符串）替换为dictionary中对应的字符串，得到目标结果。

解决方案 #

方法1：基础R实现

利用match()匹配编码，结合ifelse()保留空字符串：

# 处理item1列
mydata$item1 <- ifelse(mydata$item1 == "", "", 
                       dictionary$entry[match(mydata$item1, as.character(dictionary$code))])

# 处理item2列
mydata$item2 <- ifelse(mydata$item2 == "", "", 
                       dictionary$entry[match(mydata$item2, as.character(dictionary$code))])

# 查看最终结果
mydata

输出结果：

id   item1      item2
1  1             soccer
2  2                    
3  3 pottery           
4  4 pottery           
5  5         basketball

注意：因为字典的code是数值型，而数据集中的编码是字符型，所以用as.character(dictionary$code)统一类型，避免匹配失败。

方法2：tidyverse批量处理

如果习惯使用tidyverse工具链，可以用dplyr实现批量列替换：

library(dplyr)

# 将字典转换为命名向量，作为映射规则
code_map <- setNames(dictionary$entry, as.character(dictionary$code))

# 批量处理item1和item2列
mydata <- mydata %>%
  mutate(across(c(item1, item2), ~ recode(., !!!code_map, .default = .)))

# 查看结果
mydata

此方法通过across()批量指定需要处理的列，recode()利用命名向量完成映射，.default = .表示未匹配到的内容（如空字符串）保持原样。

内容的提问来源于stack exchange，提问作者Adrian