Question

我有一个数据框，其中包含从具有独立变量A和B的实验中读取的值，该实验未涵盖A和B的所有可能的排列。我需要创建一个包含所有排列的数据框，其中为零数据中不存在特定值对的那些地方。

要创建一些示例数据，

interactions <- unique(data.frame(A = sample(1:5, 10, replace=TRUE), 
                                  B = sample(1:5, 10, replace=TRUE)))
interactions <- interactions[interactions$A < interactions$B, ]
interactions$val <- runif(nrow(interactions))

possible.interactions <- data.frame(t(combn(1:5, 2)))
names(possible.interactions) <- c('A', 'B')

创建

interactions
A B       val
1 5 0.6881106
1 2 0.5286560
2 4 0.5026426

和

possible.interactions
A B
1 2
1 3
1 4
1 5
2 3
2 4
2 5
3 4
3 5
4 5

我要输出

A B  val
1 2  NA
1 3  0.5286560
1 4  NA
1 5  0.6881106
2 3  NA
2 4  0.5026426
2 5  NA
3 4  NA
3 5  NA
4 5  NA

最快的方法是什么？

Answer 1

这是一个基本解决方案，比merge快得多（~10x）：

possible.interactions$val <- interactions$val[
  match(
    do.call(paste, possible.interactions),
    do.call(paste, interactions[1:2])
) ]

这会产生（注意，与你没有设定种子的b / c不同）：

#    A B        val
# 1  1 2 0.59809242
# 2  1 3 0.92861520
# 3  1 4 0.64279549
# 4  1 5         NA
# 5  2 3 0.03554058
# 6  2 4         NA
# 7  2 5         NA
# 8  3 4         NA
# 9  3 5         NA
# 10 4 5         NA

这假设A＆amp; B不包含空格，interactions没有重复A-B对（总是与第一对匹配）。

data.table版本：

possible.DT <- data.table(possible.interactions)
DT <- data.table(interactions, key=c("A", "B"))
DT[possible.DT]

虽然只有在你的桌子很大或者你有data.table的其他好处的用途时，这才有价值。如果你包括创建和键入表的开销，我发现在简单的情况下速度可以与match相媲美。我确信有些情况下data.table要快得多，特别是如果你按一次键然后再使用那个键。

为了完整性，这里是merge版本：

merge(possible.interactions, interactions, all.x=T)

Answer 2

如果订单对您很重要，我建议您使用join包中的plyr。与merge相反，library(plyr) join(interactions,possible.interactions,type="right") Joining by: A, B A B val 1 1 2 NA 2 1 3 NA 3 1 4 0.007602083 4 1 5 0.853415110 5 2 3 NA 6 2 4 0.321098658 7 2 5 NA 8 3 4 NA 9 3 5 NA 10 4 5 NA在有不匹配的元素时不提供直观的排序。

{{1}}

使用来自另一个的相应值填充数据框

2 个答案: