在R

Question

我有两个具有公共列的数据框。

  # Generate DF1
    set.seed(219)
    x0 <- rnorm(5, 22, 17)
    x2 <- rnorm(5, 44, 15)
    x3 <- rnorm(5, 56, 13)
    x7 <- rnorm(5, 0, 3)
    x9 <- rnorm(5, 28, 31)
    x10 <- rnorm(5, 4, 75)
    x11 <- rnorm(5, 7, 1)
    dat1 <- data.frame(x0,x2,x3,x7,x9, x10, x11)
    dat1$ID1 <- rownames(dat1)

  # Generate DF2
    x1 <- rnorm(10, 2, 19)
    x2 <- rnorm(10, 4, 18)
    x3 <- rnorm(10, 5, 17)
    x4 <- rnorm(10, 7, 16)
    x5 <- rnorm(10, 8, 51)
    x6 <- rnorm(10, 9, 5)
    x7 <- rnorm(10, 0, 3)
    x8 <- rnorm(10, 34, 2)
    x9 <- rnorm(10, 28, 1)
    dat2 <- data.frame(x1,x2,x3,x4,x5,x6,x7,x8,x9)
    dat2$ID2 <- rownames(dat2)

请注意，DF1有5行，而DF2有10行。此外，每个数据框中的类似列名称并不意味着两列的值相同。

这就是我想做的事情：

1. 由于DF1有5行，我需要在DF2中创建5列，然后让它们称为y1, y2, y3, y4, y5。

2. 以下是计算y1的方法：我需要取DF1中的第一行，并将其与DF2中所有行的相似列相乘。 y1的大小为（10行1列）。我需要为DF2中的每一行计算以下内容。

   y1 = x0 + x2（DF1）* x2（DF2）+ x3（DF1）* x3（DF2）+ x7（DF1）* x7（DF2）+ x9（DF1）* x9（DF2）

同样，对于y2，我们需要从DF1的第二行开始......等等。

就矢量和矩阵而言，这里是如何计算y1。

让DF1中的第一行为（x01，x21，x31，x71，x91，x101，x111，ID11）。然后是y1的第一个第一个值（记住y1是10 * 1）：

y11 = x01 + x21（DF1）* x21（DF2）+ x31（DF1）* x31（DF2）+ x71（DF1）* x71（DF2）+ x91（DF1）* x91（DF2）。

y1的第二个值：

y12 = x01 + x21（DF1）* x22（DF2）+ x31（DF1）* x32（DF2）+ x71（DF1）* x72（DF2）+ x91（DF1）* x92（DF2）。

...

最后，y1的第10个值是：

y110 = x01 + x21（DF1）* x210（DF2）+ x31（DF1）* x310（DF2）+ x71（DF1）* x710（DF2）+ x91（DF1）* x910（DF2）。

如何实现我的算法？

Answer 1

这是基于我对你想做什么的理解，我在评论中提到过。

基本上，对于来自dat1的非公共列，我将它们乘以1的向量以使它们成为一致的维度，然后为每个y添加10x1向量（{{1}行等，这样每个都是一个10x1向量：

y1

结果是：

common_cols <- intersect(colnames(dat1),colnames(dat2))
uniq_cols   <- setdiff(colnames(dat1),colnames(dat2))
uniq_cols   <- uniq_cols[!uniq_cols=="ID1"]

tmp  <- data.frame(y1=rep(NA,10), y2=rep(NA,10),y3=rep(NA,10),y4=rep(NA,10),y5=rep(NA,10))
tmp1 <- data.frame(matrix(nrow=10, ncol = 7))

for(i in 1:nrow(dat1)){
  for(j in 1:length(common_cols)){
    tmp1[,j] <-  dat1[i,common_cols[j]] * dat2[,common_cols[j]] 
  }
  for(k in 1:length(uniq_cols)){
    tmp1[,k+4] <- dat1[i,uniq_cols[k]]*rep(1,10)
  }
  tmp[,i] <- rowSums(tmp1)
}

tmp

Answer 2

使用dplyr和tidyr方法：

library(magrittr); library(dplyr)

生成DF1

set.seed(219)
x0 <- rnorm(5, 22, 17)
x2 <- rnorm(5, 44, 15)
x3 <- rnorm(5, 56, 13)
x7 <- rnorm(5, 0, 3)
x9 <- rnorm(5, 28, 31)
x10 <- rnorm(5, 4, 75): i am commenting this out, based on your 
x11 <- rnorm(5, 7, 1): 
dat1 <- data.frame(x0,x2,x3,x7,x9, x10, x11)
# dat1$ID1 <- rownames(dat1) : not yet

生成DF2

x1 <- rnorm(10, 2, 19)
x2 <- rnorm(10, 4, 18)
x3 <- rnorm(10, 5, 17)
x4 <- rnorm(10, 7, 16)
x5 <- rnorm(10, 8, 51)
x6 <- rnorm(10, 9, 5)
x7 <- rnorm(10, 0, 3)
x8 <- rnorm(10, 34, 2)
x9 <- rnorm(10, 28, 1)
dat2 <- data.frame(x1,x2,x3,x4,x5,x6,x7,x8,x9)
# dat2$ID2 <- rownames(dat2) : not yet

在dat2

中创建缺少的变量

dat2$x0 <- 1
newCol <- names(dat1)[!(names(dat1) %in% names(dat2))]
dat2[, names(dat1)[!(names(dat1) %in% names(dat2))]] <- 0

Rownames列

dat1$ID1 <- rownames(dat1)
dat2$ID2 <- rownames(dat2)

形成从长到宽的表格

df1 <- tidyr::gather(dat1, X, var, -c(ID1))
df2 <- tidyr::gather(dat2, X, var, -c(ID2))

加入两个表

df1 <- left_join(df1, df2, by="X")
rm(df2)

进行乘法

df1$var <- df1$var.x * df1$var.y

创建y列

df1 %<>% group_by(ID1, ID2) %>% summarise(var=sum(var)) %>% ungroup %>% 
  mutate(ID1=paste0("y", ID1)) %>% 
  {left_join(dat2, tidyr::spread(., ID1, var), by="ID2")}

保留相关列

df1 <- df1[, names(df1)[!(names(df1) %in% newCol)]]

View(df1)