Question

我有两个样本之间有重叠的数据帧（df1和df2）。我想从这些数据框创建一个新的数据框（df3），同时为df1中不存在于df2中的样本分配“缺席”（一个因子）。然后我创建第4个数据帧，在df2和df3上进行外连接。

我已经找到了很长的路要走这条路，但我会很感激如何使这段代码更加简洁。

Sample <- c("TG1","TG2","TG3","TG4","TG5","TG6","TG7","TG8","TG9","TG10")
blaOKP <- c(rep("-",10))
tet.B <- c(rep("-", 10))
df1<- data.frame(Sample,blaOKP,tet.B)

Sample <- c("TG1","TG4","TG8")
gyrA <- c(rep("T83I",3))
gyrB <- c(rep("D87N",3))
df2 <- data.frame(Sample,gyrA,gyrB)

df3 <- df1[-which(df1$Sample %in% df2$Sample),]
df3$gyrA <- "absent"
df3$gyrB <- "absent"
df3 <- df3[,c(1,3:5)]


require(plyr)
df4 <- join(x=df2, y=df3, by="Sample", type="full")

Answer 1

这是一种让结果类似于＆＃34; df4＆＃34; （按＆＃34;样品＆＃34;列）排序。这对于大数据集来说会更快。转换＆＃34; df1＆＃34; data.table到setDT并将关键变量设置为＆＃34; Sample＆＃34; （setkey）。然后加入＆＃34; df2＆＃34;用＆＃34; df1＆＃34;删除第二列（＆＃34; blaOKP＆＃34;）之后，因为它不在＆＃34; df4＆＃34;中。分配＆＃34; tet.B＆＃34;列到＆＃34; NA＆＃34;，然后分配列＆＃34; 2：4＆＃34;与＃34;缺席＆＃34;和＆＃34; - ＆＃34;对于那些＆＃34; NA＆＃34;在＆＃34; gyrA＆＃34;

library(data.table)
setkey(setDT(df2), Sample)[df1[-2]][, 
       tet.B := NA_character_][is.na(gyrA),
         2:4 := list('absent', 'absent', '-')][]

Answer 2

dplyr中加入anti_join(df1,df2, by="Sample") %>% mutate(gyrA="absent", gyrB="absent") %>% full_join(df2, by="Sample")中的约定很恰当{。{3}}。

{{1}}

在为缺失数据分配因子的同时合并数据帧

2 个答案: