以两个数据帧为例:
df1 = data.frame(V1 = c('JOHN', 'BRIAN','KATE', 'ERIC', 'CURT', 'ZACH'), V2 = c('ABIGAIL', 'ANDY', 'GEORGE', 'JOHN', 'MARY', 'FRANKLIN'), V3 = seq(1,6,1), V4 = seq(1,6,1))
df2 = data.frame(V1 = c('ABIGAIL', 'BRIAN','KATE', 'ERIC'), V2 = c('JOHN', 'ANDY', 'MARTIN', 'ANDREW'))
df1
V1 V2 V3 V4
JOHN ABIGAIL 1 1
BRIAN ANDY 2 2
KATE GEORGE 3 3
ERIC JOHN 4 4
CURT MARY 5 5
ZACH FRANKLIN 6 6
df2
V1 V2
ABIGAIL JOHN
BRIAN ANDY
KATE MARTIN
ERIC ANDREW
如何创建一个新的df3
,其中包含V1
and V2
中列df1
and df2
之间匹配的行。挑战在于我希望这个匹配与订单无关。
所以df3
在这个例子中看起来像:
df3
V1 V2 V3 V4
ABIGAIL JOHN 1 1
BRIAN ANDY 2 2
我已经尝试过使用match()和%in%运算符而没有任何运气。
我正在寻找适用于数千行数据框架的解决方案。
这两个答案都为我提出了一个有效的解决方案事实证明我错过了一些让它适用于我自己的数据的东西。而是给定数据框:
df1 = data.frame(V1 = c('JOHN', 'BRIAN','KATE', 'ERIC', 'CURT', 'ZACH'), V2 = c('ABIGAIL', 'ANDY', 'GEORGE', 'JOHN', 'MARY', 'FRANKLIN'), V3 = seq(1,6,1), V4 = seq(1,6,1))
df2 = data.frame(V1 = c('ABIGAIL', 'BRIAN','KATE', 'BRIAN', 'ERIC'), V2 = c('JOHN', 'ANDY', 'MARTIN', 'ANDY', 'ANDREW'))
现在我也想提取行,即使它们之间的匹配不在同一行。 df3
然后看起来像:
df3
V1 V2 V3 V4
ABIGAIL JOHN 1 1
BRIAN ANDY 2 2
BRIAN ANDY 2 2
基本上我想要来自V3
的V4
和df1
中的值,以及V1
and V2
in依赖于顺序的名称之间的每个相互作用。
通过使用pmin和pmax按行排序列V1和V2来生成ID,这样"A" "B"
和"B" "A"
将具有与"A_B"
相同的ID。然后使用ID合并:
df1$ID <- paste(pmin(as.character(df1$V1), as.character(df1$V2)),
pmax(as.character(df1$V1), as.character(df1$V2)), sep = "_")
df2$ID <- paste(pmin(as.character(df2$V1), as.character(df2$V2)),
pmax(as.character(df2$V1), as.character(df2$V2)), sep = "_")
merge(df1, df2[, "ID", drop = FALSE], by = "ID")
# ID V1 V2 V3 V4
# 1 ABIGAIL_JOHN JOHN ABIGAIL 1 1
# 2 ANDY_BRIAN BRIAN ANDY 2 2
# 3 ANDY_BRIAN BRIAN ANDY 2 2
library(combinat)
df1[apply(df1[,1:2], 1, paste, collapse = ' ') %in%
apply(df2[,1:2], 1, function(x) sapply(permn(x), paste, collapse = ' '))
,]
使用sqldf
如下所示更快,但对于> 2个变量不起作用,因为所有可能性必须在连接条件中列出。
library(sqldf)
sqldf('
select df1.*
from df1
inner join df2
on (df1.V1 = df2.V1 and df1.V2 = df2.V2)
or (df1.V1 = df2.V2 and df1.V2 = df2.V1)
')
你不需要包裹;只测试两种方式:
## Make a frame with combined in both ways
df1o = data.frame(V12 =paste(df1$V1,df1$V2, sep="-"), V21= paste(df1$V2,df1$V1, sep="-"))
## Make a frame with the second combination
df2o = data.frame(P =paste(df2$V1,df2$V2, sep="-") )
## Compare the combinations in both ways and select those that match in a new df
df3 = df1[which(df1o$V12 %in% df2o$P | df1o$V21 %in% df2o$P),]
df3
结果是
> df3
V1 V2 V3 V4
1 JOHN ABIGAIL 1 1
2 BRIAN ANDY 2 2Z