来自数据帧的匹配列基于来自其他数据Frame的列中的值

时间:2016-08-19 21:10:03

标签: python r pandas

我有两个数据框 第一个是df1有485513列和100行,

head(df1)

sample  cg1 cg2 cg3 cg4 cg5 cg6 cg7 cg8 cg9 cg10    cg11
AAD_1   33435   33436   33437   33438   33439   33440   33441   33442   33443   33444   33445
AAD_2   0.33    1.33    2.33    3.33    4.33    5.33    6.33    7.33    8.33    9.33    10.33
AAD_3   0.56    1.56    2.56    3.56    4.56    5.56    6.56    7.56    8.56    9.56    10.56
AAD_4   45.9    46.9    47.9    48.9    49.9    50.9    51.9    52.9    53.9    54.9    55.9
AAD_5   46.9    47.9    48.9    49.9    50.9    51.9    52.9    53.9    54.9    55.9    56.9
AAD_6   47.9    48.9    49.9    50.9    51.9    52.9    53.9    54.9    55.9    56.9    57.9
AAD_7   48.9    49.9    50.9    51.9    52.9    53.9    54.9    55.9    56.9    57.9    58.9
AAD_8   49.9    50.9    51.9    52.9    53.9    54.9    55.9    56.9    57.9    58.9    59.9
AAD_9   50.9    51.9    52.9    53.9    54.9    55.9    56.9    57.9    58.9    59.9    60.9
AAD_10  51.9    52.9    53.9    54.9    55.9    56.9    57.9    58.9    59.9    60.9    61.9

,第二个有df2 84行和单列。我的目标是使用df2数据框中列中的值来获取df1的子集。

head(df2)
    ID
    cg1
    cg2
    cg3
    cg4
    cg5

df2的值是df1中我感兴趣的列名,因此我在R中尝试了以下单行。

> UP=(df1 %>% as.data.frame)[,df2$ID]

向上数据框从我的查询df2

返回不匹配的列

它导致数据帧UP有84列和100行,但上面命令行返回的列都没有与输入查询数据帧df2匹配。

如果有人建议我替代解决方案,那将会很棒

2 个答案:

答案 0 :(得分:2)

假设df2是系列:

>>> df[df2.tolist()]

        cg1       cg2       cg3       cg4       cg5
0  33435.00  33436.00  33437.00  33438.00  33439.00
1      0.33      1.33      2.33      3.33      4.33
2      0.56      1.56      2.56      3.56      4.56
3     45.90     46.90     47.90     48.90     49.90
4     46.90     47.90     48.90     49.90     50.90
5     47.90     48.90     49.90     50.90     51.90
6     48.90     49.90     50.90     51.90     52.90
7     49.90     50.90     51.90     52.90     53.90
8     50.90     51.90     52.90     53.90     54.90
9     51.90     52.90     53.90     54.90     55.90

如果是数据框,那么这应该有效:

df[df2.ID.tolist()]

答案 1 :(得分:1)

R中,我们可以做到

df[as.character(df2$ID)]

假设'ID'列为factor。如果它是character类,则更容易

df[df2$ID]

但如果'ID'中的元素不在'df'列名称中,则最好使用intersect

df[intersect(colnames(df), df2$ID)]

如果'df'是data.table,则子集列的常用方法是包含with =FALSE。它在?data.table

中提到

  

默认情况下为= TRUE,j在x的帧内进行评估;柱   名称可以用作变量。

     

当= = FALSE时,j是列名的字符向量,数字   列位置向量选择或形式startcol:endcol,   并且返回的值始终是data.table。通常为= FALSE   在data.table中有用,可以动态选择列。注意x [,   cols,with = FALSE]相当于x [,。SD,.SDcols = cols]。

因此,上述命令将是

 df[, as.character(df2$ID), with = FALSE]

 df[, df2$ID, with = FALSE] #if 'ID' is already character class.

或者

 df[, intersect(colnames(df), df2$ID), with = FALSE]