Переименование больших идентификаторов

Question

Предположим, у меня есть data.frame с N строками. Столбец id имеет 10 уникальных значений; все эти значения являются целыми числами, превышающими 1е7. Я хотел бы переименовать их в число от 1 до 10 и сохранить эти новые идентификаторы в качестве столбца в моем файле data.frame.

Кроме того, я хотел бы легко определить 1) id данной id.new и 2) id.new данной id.

Например:

> 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

Попробуйте это:

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

Дополнительный комментарий: Чтобы получить таблицу значений:

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

Answer 2

Использование факторов:

> 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 

Пусть х старый ID, и вы хотите новый.

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

Предположим, что y - новый идентификатор, и вы хотите старый.

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

(выше находит первое значение идентификатора, при котором внутренний код фактора 5. Существуют ли более эффективные способы?)

Answer 3

Одним из вариантов является использование hash пакет:

> 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 

Предположим, что x - старый идентификатор, и вы хотите новый.

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

Предположим, что y - новый идентификатор, и вы хотите старый.

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

(. Иногда это может быть более удобным/прозрачны, чем с использованием коэффициентов)

Answer 4

Вы можете использовать facto г()/упорядоченные() здесь:

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 

И тогда вы можете использовать as.numeric() для отображения на 1 до 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>