Question

我有以下两个表格：

df <- data.frame(eth = c("A","B","B","A","C"),ZIP1 = c(1,1,2,3,5))
Inc <- data.frame(ZIP2 = c(1,2,3,4,5,6,7),A = c(56,98,43,4,90,19,59), B = c(49,10,69,30,10,4,95),C = c(69,2,59,8,17,84,30))

eth    ZIP1         ZIP2    A    B    C
A      1            1      56   49   69
B      1            2      98   10   2
B      2            3      43   69   59
A      3            4      4    30   8
C      5            5      90   10   17
                    6      19   4    84
                    7      59   95   39

我想在df数据框中创建一个变量Inc，对于每个观察，该值是观察的eth和ZIP的交集。在我的例子中，它将导致：

   eth    ZIP1   Inc        
    A      1    56
    B      1    49
    B      2    10
    A      3    43
    C      5    17

一个循环或非常强大的力量可以解决它，但是我的数据集需要时间，我正在寻找一种更微妙的方式，可能使用data.table。在我看来，这是一个非常标准的问题，我很抱歉，如果是，我无法为这个问题制定一个精确的标题（你可能已经注意到了......）也许是为什么我没有找到任何类似的问题在论坛上搜索..

谢谢！

Answer 1

当然，可以在data.table中完成：

library(data.table)
setDT(df)

df[ melt(Inc, id.var="ZIP2", variable.name="eth", value.name="Inc"), 
  Inc := i.Inc
, on=c(ZIP1 = "ZIP2","eth") ]

此“合并分配”操作的语法为X[i, Xcol := expression, on=merge_cols]。

您可以自行运行i = melt(Inc, id.var="ZIP", variable.name="eth", value.name="Inc")部分以查看其工作原理。在合并中，来自i的列可以引用i.*前缀。

另外......

setDT(df)
setDT(Inc)
df[, Inc := Inc[.(ZIP1), eth, on="ZIP2", with=FALSE], by=eth]

这是基于类似的想法。 The package vignettes是开始使用这种语法的好地方。

Answer 2

我们可以使用row/column索引

df$Inc <- Inc[cbind(match(df$ZIP1, Inc$ZIP2), match(df$eth, colnames(Inc)))]

df
#  eth ZIP1 Inc
#1   A    1  56
#2   B    1  49
#3   B    2  10
#4   A    3  43
#5   C    5  17

Answer 3

这个怎么样？

library(reshape2)
merge(df, melt(Inc, id="ZIP2"), by.x = c("ZIP1", "eth"), by.y = c("ZIP2", "variable"))
  ZIP1 eth value
1    1   A    56
2    1   B    49
3    2   B    10
4    3   A    43
5    5   C    17

Answer 4

另一种选择：

library(dplyr)
library(tidyr)
Inc %>%
  gather(eth, value, -ZIP2) %>%
  left_join(df, ., by = c("eth", "ZIP1" = "ZIP2"))

Answer 5

我的解决方案（可能看起来很尴尬）

for (i in 1:length(df$eth)) {
    df$Inc[i] <- Inc[as.character(df$eth[i])][df$ZIP[i],]
}

R - 创建一个新变量，其中每个观察值取决于另一个表和数据框中的其他变量

5 个答案: