Question

我的数据包含因子lang和alg，我想比较所有lang之间所选alg对的差异：

> perf[perf$lang == "java", c("alg", "cpu")]
               alg   cpu
173    binarytrees 0.196
174 chameneosredux 0.404
175  fannkuchredux 0.648

> perf[perf$lang == "python3", c("alg", "cpu")]
               alg    cpu
246    binarytrees  0.972
248  fannkuchredux 13.752
249          fasta  1.152

对于binarytrees我希望获得0.196/0.972，但chameneosredux为NA，fannkuchredux为0.648/13.752，fasta是} NA，...

一种方法是对alg上的行进行排序，但我不明白如何使用NA为缺少的因素（unique(perf$alg)中提供的所有因素）注入行。

更新尽管原始问题我认为我喜欢将两个数据帧的列组合到同一因素的单个数据帧中：

   binarytrees 0.196   0.972
chameneosredux 0.404      NA
         fasta    NA   1.152
 fannkuchredux 0.648  13.752

Answer 1

您正在寻找的内容基本上是SQL中的FULL OUTER JOIN，可以使用base::merge使用all = TRUE来完成。

以下是可比较的数据集：

Df <- data.frame(
    Lang = rep(LETTERS[1:5], rep(3, 5)),
    Alg = c(replicate(5, sample(letters[1:4], 3))),
    Cpu = rnorm(15),
    stringsAsFactors = FALSE
)

请注意，我使用stringsAsFactors = FALSE。我建议您将列转换为character向量;我没有看到在这里使用factor的任何需要。

这是光包装函数中的merge操作，只是为了使演示更清晰：

compare <- function(x, y, data) {
    merge(x = data[data$Lang == x[1], 2:3],
          y = data[data$Lang == y[1], 2:3],
          by = "Alg", all = TRUE,
          suffixes = c(paste0(".", x[1]), 
                       paste0(".", y[1]))
    )
}

这里正在使用：

compare("A", "D", Df)
#  Alg      Cpu.A       Cpu.D
#1   a         NA -0.06520117
#2   b  1.0587151  0.08379303
#3   c -2.0390119          NA
#4   d -0.8574474  1.27865596

compare("A", "C", Df)
#  Alg      Cpu.A      Cpu.C
#1   b  1.0587151 -1.0230431
#2   c -2.0390119 -0.7691048
#3   d -0.8574474 -1.2421078

关于我的评论，也可以使用sqldf来实现。 SQLite不支持FULL OUTER JOIN，但如果您对SQL感到满意，这不应该是一个问题，因为可能有十几种方法可以解决这个问题：

library(sqldf)

sqldf(
    "select x.Alg 
        ,lhs.Cpu as 'Cpu.A'
        ,rhs.Cpu as 'Cpu.D'
     from (
        select distinct d.Alg
        from Df d
     ) x
     left join Df lhs on lhs.Alg = x.Alg and lhs.Lang = 'A'
     left join Df rhs on rhs.Alg = x.Alg and rhs.Lang = 'D'
     order by x.Alg"
)

#  Alg      Cpu.A       Cpu.D
#1   a         NA -0.06520117
#2   b  1.0587151  0.08379303
#3   c -2.0390119          NA
#4   d -0.8574474  1.27865596

在因子上组合列

1 个答案: