我有两个要匹配的数据帧,然后让它根据此匹配返回一个值。
dt1
Name
Matt
John
Steven
Natalie, Nat
Unknown
dt2
Names Grade
Matt A
John B
Steven C
Natalie D
Nat D
Unknown NA
我想要R做的是将dt1匹配到dt2,然后再返回一个值。我使用了以下代码:
Merge_df$"Match_name" <- ifelse(df1$"Name" %in% df2$"Names","Right Name",ifelse(grepl ("Unknown", dt1$"Name", ignore.case = FALSE), "Unknown", "NA"))
所需的输出
Merge_df
A
B
C
D
E
Unknown
但是我得到的不是这个。在其中有两个名称的单元格中,它返回NA,因为它不读取两个名称,它只是尝试将整个值与dt2匹配,而dt2当然没有任何值(Natalie和Nat都在一起) 。我希望R读取两个名称,然后查看是否都在dt2中,然后返回文本值“ Right name”。
有什么想法吗?
这是一种蛮力方法:
dt1 <- read.table(header=TRUE, stringsAsFactors=FALSE, sep="|", text="
Name
Matt
John
Steven
Natalie, Nat
Unknown")
dt2 <- read.table(header=TRUE, stringsAsFactors=FALSE, text="
Names
Matt
John
Steven
Natalie
Nat
Unknown")
((我应该注意,我仅使用sep="|"
来快速获取此示例中的数据。由于其中一个字段中有空格,因此需要sep=
的一些替代方案。我也可以使用[ C0]。)
首先,您不确定如何使用逗号分隔的名称。 readLines
可以在这里使用:
split
这意味着嵌套的strsplit(dt1$Name, "[ ,]+")
# [[1]]
# [1] "Matt"
# [[2]]
# [1] "John"
# [[3]]
# [1] "Steven"
# [[4]]
# [1] "Natalie" "Nat"
# [[5]]
# [1] "Unknown"
sapply(strsplit(dt1$Name, "[ ,]+"), function(s) any(s %in% dt2$Names))
# [1] TRUE TRUE TRUE TRUE TRUE
看起来像这样:
ifelse
(并将其分配给列)。
我希望您的问题不再复杂……当我开始嵌套ifelse(grepl("Unknown", dt1$Name, ignore.case = FALSE), "Unknown",
ifelse(sapply(strsplit(dt1$Name, "[ ,]+"), function(s) any(s %in% dt2$Names)),
"Right Name", "NA"))
# [1] "Right Name" "Right Name" "Right Name" "Right Name" "Unknown"
时,我真的在考虑可以用ifelse
简化的数据结构。为此,您需要调整merge
的形状(嵌入到很长),以便没有逗号分隔的字段。
independent类别”可能会令人讨厌。我建议我们展开dt1
,以便每行有一个dt1
。但是,为了“记住”每个分组的来源,我们将为其分配一个ID。
Name
,尽管几乎可以直接在base或dplyr
中完成相同的步骤。data.table
这样,如果需要,您可以根据选择
library(dplyr)
library(tidyr) # unnest
dt1 <- read.table(header=TRUE, stringsAsFactors=FALSE, sep="|", text="
Name
Matt
John
Steven
Natalie, Nat
Unknown")
dt2 <- read.table(header=TRUE, stringsAsFactors=FALSE, text="
Names Grade
Matt A
John B
Steven C
Natalie D
Nat D
Unknown NA
")
dt1 %>%
mutate(
id = row_number(),
Name = strsplit(Name, "[ ,;]+")
) %>%
unnest(cols = Name) %>%
left_join(dt2, by = c(Name = "Names"))
# # A tibble: 6 x 3
# Name id Grade
# <chr> <int> <chr>
# 1 Matt 1 A
# 2 John 2 B
# 3 Steven 3 C
# 4 Natalie 4 D
# 5 Nat 4 D
# 6 Unknown 5 <NA>
重新聚合dt1
。