Question

我想知道是否有任何有效的方法来检查给定的一对（或两个以上的元组）列是否在数据框中。

例如，假设我有以下数据框：

df=data.frame(c("a","b","c","d"),c("e","f","g","h"),c(1,0,0,1))
names(df)=c('col1','col2','col3')

  col1 col2 col3
1    a    e    1
2    b    f    0
3    c    g    0
4    d    h    1

我想检查这个表是否包含一对列的列表，比如说：（a，b），（a，c），（a，e），（c，a），（c，g），（a，f）

应该输出：

FALSE FALSE TRUE FALSE TRUE FALSE

编辑：添加了一对新的（a，f）以避免混淆

我想通过将列连接成字符串然后与％in％进行比较来实现这一点，但这是非常低效的。我还想过用dplyr的过滤器做一个循环，但是当表格很大并需要转换格式（即写几行）时，它也需要很长时间。

在R中有没有有效的方法来实现这个目的？

Answer 1

这似乎是apply或lapply系列函数之一的情况。如果您将pairs.list定义为list，则可以使用lapply：

df = data.frame(c("a","b","c","d"), c("e","f","g","h"), c(1,0,0,1))
names(df) = c('col1','col2','col3')
pairs.list = list(c("a", "b"), c("a", "c"), c("a", "e"), c("c", "a"), c("c", "g"))
lapply(pairs.list, FUN=function(x){any(df$col1==x[[1]] & df$col2==x[[2]])})

[[1]]
[1] FALSE

[[2]]
[1] FALSE

[[3]]
[1] TRUE

[[4]]
[1] FALSE

[[5]]
[1] TRUE

new.pairs = list(c("a", "b"), c("a", "c"), c("e", "a"), c("c", "a"), c("c", "g"))

lapply(new.pairs, FUN=function(x){any(df$col1==x[[1]] & df$col2==x[[2]])})

[[1]]
[1] FALSE

[[2]]
[1] FALSE

[[3]]
[1] FALSE

[[4]]
[1] FALSE

[[5]]
[1] TRUE

使用此方法，如果您想知道匹配的df行，您可以摆脱any()调用并接收向量列表布尔值，其中每个向量与df的长度相同。

我认为这应该是相对有效的，因为它是所有布尔逻辑而不是字符串操作，但我不是R中基准性能的专家，所以我不确定。

Answer 2

如果您只需要检查列组合是否在表中，您可以使用unique来减少比较次数：

df=data.frame(c("a","b","c","d"),c("e","f","g","h"),c(1,0,0,1), stringsAsFactors=FALSE)
names(df)=c('col1','col2','col3')

df$to_check = paste(df$col1, df$col2, sep=',')
cols <- c("a,b", "a,c", "a,e", "c,a", "c,g")

cols %in% unique(df$to_check)

检查一对列是否在数据帧的行中

2 个答案: