Tengo un data frame que hay que limpiar reemplazando ciertos valores en todas sus variables. La estructura es:
all_data <- data.frame(
var1 = c('187311','117161','B','A', NA,'D'),
var2 = c('944545','231354',NA,NA,'A',NA ),
var3 = c('944785',NA,'231354','A',NA,'B' ),
var4 = c(NA,NA,'364829','231354','C','D' ))
Todas las variables son de un mismo tipo, vector de carácteres que pueden contener: números, letras sencilla y NA.
- Los string que son números deben de ser reemplazados por los del diccionario
- Los string que son ya una letras sencilla se deberían dejar, ya que están bien etiquetados
- No se hacen cambios tampoco con los NA.
Para reeemplazar las variables mal etiquetadas tengo el diccionario:
diccionario <- data.frame(
wrong_name= c(187311,117161, 944545,231354,944785,231354,364829),
correct_name= c('F','G','H','I','J','K', 'L' ) )
el resultado debería lucir:
all_data <- data.frame(
var1 = c('F','G','B','A', NA,'D'),
var2 = c('H','I',NA,NA,'A',NA ),
var3 = c('J',NA,'K','A',NA,'B' ),
var4 = c(NA,NA,'L','K','C','D' ))
aquí dejo un pseudocódigo de lo que he probado con la familia de map y dplyr pero no me da buenos resultados para un proceso así. No es el código completo por que el procedimiento lo he borrado (craso error)
all_data %>%
map(
~imap(
left_join(.x, test, by = 'wrong_name')) %>%
mutate(F_mal_codificado = str_detect(., pattern="^[[:digit:]]")) %>%
mutate(farmaco2 = case_when( F_mal_codificado == TRUE ~ correct_name, F_mal_codificado == F ~ farmaco2))) %>%
select(.y)
)