我正在尝试迁移数据库,并希望使用 R 来协助完成此过程。作为迁移过程的一部分,我需要更新“项目 ID”,因为它们已更改。我创建了一个函数来将旧 ID 映射到新 ID:
old_to_new <- function(id, df) {
return (df[which(df$Old == id), ]$New)
}
但是,每当我尝试应用它在我的数据框中添加新列(从数据库表加载)时:
library(tidyverse)
library(RODBC)
cn <- odbcDriverConnect(connection="Driver={SQL Server Native Client 11.0};server=xxx;database=xxx;uid=xxx;pwd=xxx;")
df <- sqlQuery(cn, "SELECT * FROM [MaintDB_New].[dbo].[Priority]")
ticket_df <- sqlQuery(cn, "SELECT * FROM [MaintDB_New].[dbo].[Tickets]")
ticket_details_df <- sqlQuery(cn, "SELECT * FROM [MaintDB_New].[dbo].[Ticket_Details]")
new_items <- read_csv("./ticket_itm_export_temp.csv", col_names = c("Old", "Name", "New"))
ticket_df_new <- ticket_df %>% mutate(item_id = old_to_new(itemID, new_items))
我收到以下错误:
Error in `[[<-.data.frame`(`*tmp*`, col, value = c(NA_integer_, NA_integer_, :
replacement has 280 rows, data has 69430
In addition: Warning message:
In df$Old == id :
longer object length is not a multiple of shorter object length
我做错了什么,正确的方法是什么。我在尝试使用 ddplyr 时收到了类似的错误。
我是 R 新手,所以如果这是一个明显的问题,我深表歉意。
编辑 - 添加数据结构:
head(ticket_df)
ticketID propertyID itemID roomNumber assignedToID isOpen openID latestID
1 11 10 1 <NA> NA 0 22 23
2 12 17 1 <NA> NA 0 24 289
3 13 17 1 <NA> NA 0 25 292
4 14 17 17 <NA> NA 0 26 4411
5 15 17 68 <NA> NA 0 27 296
6 16 17 74 <NA> NA 0 28 294
head(new_items)
Old Name New
<int> <chr> <int>
1 257 Register Cash Drawers 425
2 253 Alarm System 426
3 135 CREDENZA/ ARMOIRE 427
4 55 Back Office PC 428
5 183 Backup All Data 429
6 260 Base Boards 430
最佳答案
我(真的!)认为 Gregor 对 left_join 的评论很有道理。我将通过更改您的一些值来强制进行一些匹配:
new_items$Old[1:2] <- c(17L,74L)
现在加入:
library(dplyr)
ticket_df %>%
left_join(select(new_items, Old, New), by=c("itemID" = "Old"))
# ticketID propertyID itemID roomNumber assignedToID isOpen openID latestID New
# 1 11 10 1 NA NA 0 22 23 NA
# 2 12 17 1 NA NA 0 24 289 NA
# 3 13 17 1 NA NA 0 25 292 NA
# 4 14 17 17 NA NA 0 26 4411 425
# 5 15 17 68 NA NA 0 27 296 NA
# 6 16 17 74 NA NA 0 28 294 426
如果您对此效果感到满意,只需重新分配即可:
ticket_df %>%
left_join(select(new_items, Old, New), by=c("itemID" = "Old")) %>%
mutate(itemID = if_else(is.na(New), itemID, New)) %>%
select(-New)
# ticketID propertyID itemID roomNumber assignedToID isOpen openID latestID
# 1 11 10 1 NA NA 0 22 23
# 2 12 17 1 NA NA 0 24 289
# 3 13 17 1 NA NA 0 25 292
# 4 14 17 425 NA NA 0 26 4411
# 5 15 17 68 NA NA 0 27 296
# 6 16 17 426 NA NA 0 28 294
或者,您可以使用mutate(itemID = coalesce(New, itemID))
,谢谢@Gregor。
但是,如果您需要使用函数(也许您的问题更复杂或者您需要更通用的东西),那么请注意:
- 通常,
mutate
中使用的函数需要返回长度为 1 或与给定长度相同的向量;这意味着子集化(就像您对 df[which(df$Old == id), ]$New 所做的那样)通常不起作用。 (如果你可以保证它总是返回长度1,那么它就不会出错,但我猜这不安全。)。同样,summarize
要求(我相信)函数返回长度 1。
这是一个有点仓促的想法,但得到了相同的结果:
myfunc <- function(id, changes) {
ind <- match(id, changes[["Old"]])
indnonna <- !is.na(ind)
id[which(indnonna)] <- changes[["New"]][ind[indnonna]]
id
}
ticket_df %>%
mutate(newid = myfunc(itemID, new_items))
# ticketID propertyID itemID roomNumber assignedToID isOpen openID latestID newid
# 1 11 10 1 NA NA 0 22 23 1
# 2 12 17 1 NA NA 0 24 289 1
# 3 13 17 1 NA NA 0 25 292 1
# 4 14 17 17 NA NA 0 26 4411 425
# 5 15 17 68 NA NA 0 27 296 68
# 6 16 17 74 NA NA 0 28 294 426
您显然可以直接分配给 itemID
而不是不同的列。我仍然不鼓励这样做,因为(1)连接效率更高; (2) 我想更多地使用这个函数,也许能找到一个更健壮的方法; (3) 它将 new_items 的结构(即特定的列名)硬编码到函数中,而执行连接允许您在连接时指定发生的情况,将代码紧邻使用结构的元素。
关于r - dplyr mutate - 如何使用 mutate 正确应用自定义函数?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52856764/