时间戳

首页 > 解决方案 > 基于前两列合并两个数据帧，在R中以不同方式排列相同的信息

r - 基于前两列合并两个数据帧，在R中以不同方式排列相同的信息

问题描述

我想根据前两列及其值合并两个数据框，但是，这些列中的这些值可以根据数据集在列之间切换。所以mergeor包中的left_join函数dplyr看不到成对信息是相同的。

为了更好地解释，我在这里定义了两个假设的数据集：

tree.dat1 = data.frame(tree1 = factor(c(rep(33,3),rep(22,2),11)),
+                       tree2 = factor(c(22,11,44,11,44,44)),
+                       value = c(0.02, rep(0.03,3), rep(0.01,2)))

> tree.dat1
   tree1 tree2 value
1    33    22  0.02
2    33    11  0.03
3    33    44  0.03
4    22    11  0.03
5    22    44  0.01
6    11    44  0.01

tree.dat2 = data.frame(tree1 = factor(c(rep(11,3),rep(33,2),22)),
+                        tree2 = factor(c(22,33,44,22,44,44)),
+                        value1 = c(rep(3,0.05),0.02,rep(0.03,2)))
> tree.dat2
  tree1 tree2 value1
1    11    22   0.02
2    11    33   0.03
3    11    44   0.03
4    33    22   0.02
5    33    44   0.03
6    22    44   0.03

如您所见，前两列的成对是相同的，但是它们的顺序不同。所以我想通过在前两列中使用这些信息并在这些数据集中保留第三列来创建一个新数据集。

所以：

> tree.dat3 = left_join(tree.dat1,tree.dat2, by = c("tree1","tree2"))
> tree.dat3
   tree1 tree2 value value1
1    33    22  0.02   0.02
2    33    11  0.03     NA
3    33    44  0.03   0.03
4    22    11  0.03     NA
5    22    44  0.01   0.03
6    11    44  0.01   0.03

最后我有两个 NAs 值，但是，当我检查成对表时，我可以看到tree.dat1数据集中给出了成对的 33 - 11（或 22 - 11）的信息。

所以预期的输出是：

   tree1 tree2 value value1
1    33    22  0.02   0.02
2    33    11  0.03   0.03
3    33    44  0.03   0.03
4    22    11  0.03   0.02
5    22    44  0.01   0.03
6    11    44  0.01   0.03

所以可能我正在寻找其他方法来合并两个数据框以检查成对信息而不是两列中的因子水平。因为 33 - 11 和 11 - 33 相同，但第三列的值不同。我想知道一种适合大型数据集的方法。有什么建议么？

标签： rdataframemergedplyr

解决方案

由于顺序对连接无关紧要，让我们创建一个对和TreeID进行排序的列，以便数字对始终以相同的顺序出现。tree1tree2

如果您的数据未编码为 ，这会更容易factor，因为采用min/max因子不起作用，并且您必须强制转换为字符，然后转换为数字才能使其正常工作。如果您需要对源数据as.numeric(as.character(tree.dat1$tree))执行此操作，则可以解决问题。您可以character在不转换为的情况下获取向量的最大值numeric，但我不希望这样做，因为max("11","2")它的性能不如您预期的那样。

library(tidyverse)
library(stringr)

tree.dat1 = data.frame(tree1 = c(rep(33,3),rep(22,2),11),
                       tree2 = c(22,11,44,11,44,44),
                       value = c(0.02, rep(0.03,3), rep(0.01,2)))

tree.dat2 = data.frame(tree1 = c(rep(11,3),rep(33,2),22),
                       tree2 = c(22,33,44,22,44,44),
                        value1 = c(rep(3,0.05),0.02,rep(0.03,2)))

TreeID通过组合 和 的最小值和最大值tree1来构造tree2。我们使用rowwise()每行而不是每列取最大值和最小值。

tree.dat1 <- tree.dat1 %>% rowwise() %>% 
  mutate(TreeID= str_c(min(tree1, tree2), max(tree1,tree2)))

tree.dat2 <- tree.dat2 %>% rowwise() %>% 
  mutate(TreeID= str_c(min(tree1, tree2), max(tree1,tree2)))

left_join(tree.dat1, tree.dat2, by = "TreeID")


Source: local data frame [6 x 7]
Groups: <by row>

# A tibble: 6 x 7
  tree1.x tree2.x value TreeID tree1.y tree2.y value1
    <dbl>   <dbl> <dbl> <chr>    <dbl>   <dbl>  <dbl>
1      33      22  0.02 2233        33      22   0.02
2      33      11  0.03 1133        11      33   0.03
3      33      44  0.03 3344        33      44   0.03
4      22      11  0.03 1122        11      22   0.02
5      22      44  0.01 2244        22      44   0.03
6      11      44  0.01 1144        11      44   0.03

要完全匹配您想要的输出：

left_join(tree.dat1, tree.dat2, by = "TreeID") %>% select(-tree1.y, -tree2.y, -TreeID) %>% 
  rename(tree1 = tree1.x, tree2 = tree2.x)

  tree1 tree2 value value1
  <dbl> <dbl> <dbl>  <dbl>
1    33    22  0.02   0.02
2    33    11  0.03   0.03
3    33    44  0.03   0.03
4    22    11  0.03   0.02
5    22    44  0.01   0.03
6    11    44  0.01   0.03

推荐阅读