Question

假设我有以下两个表：

表1：

id    word
1     apple
1     banana
2     cherry
2     donuts
3     eggplant
3     fish

表2（key_words）：

key_words
apple
orange
cherry
peach

我想检查table1的'word'列中的每个元素是否都存在于table2中，并得到以下结果：

id    apple   orange   cherry   peach
1       1       0        0        0
2       0       0        1        0
3       0       0        0        0

例如，
第一行中的1和“apple”列表示id 1确实有一个苹果第二行为0，“orange”列表示id 2没有橙色。

为了得到这样的结果，我写了一个for循环：

data=list()
data[[1]]=table1$id
l=dim(table1)[1]
for(i in 2:(length(key_words)+1)){
  exist=c()
  for(j in 1:l){
    d1=table1[which(table1$id==data[[1]][j]),]
    if(key_words[i] %in% d1$word){
      exist[j]=1
    } else {
      exist[j]=0
    }
  }
  data[[i]]=exist
}
data=as.data.frame(data)
names(data)=c("id","apple","orange","cherry","peach")

确实有效。

但是，如果我的表格大小和关键字数量变得更大，例如，如果我有10,000个ID和1,000个关键字，则for循环将运行很长时间。

是否有一些更快的缩短运行时间的方法？

Answer 1

library(data.table)

dat <- fread("id    word
1     apple
             1     banana
             2     cherry
             2     donuts
             3     eggplant
             3     fish")


dat_key <- fread("key_words
apple
orange
cherry
peach")

dat_wide <- data.table(ID = unique(dat$id))
l <- lapply(dat_key$key_words, function(x) dat_wide[, (x) := ifelse(ID %in% dat[word == x]$id, 1, 0)][])

dat_wide

   ID apple orange cherry peach
1:  1     1      0      0     0
2:  2     0      0      1     0
3:  3     0      0      0     0

Answer 2

data.frame(t(sapply(split(table1, table1$id), function(a)
    colSums(sapply(table2$key_words, function(x) a$word %in% x)) > 0)))
#  apple orange cherry peach
#1  TRUE  FALSE  FALSE FALSE
#2 FALSE  FALSE   TRUE FALSE
#3 FALSE  FALSE  FALSE FALSE

如果需要，可以在另一个步骤中将布尔值更改为数字

temp = data.frame(t(sapply(split(table1, table1$id), function(a)
    colSums(sapply(table2$key_words, function(x) a$word %in% x)) > 0)))
data.frame(sapply(temp, as.numeric), row.names = row.names(temp))
#  apple orange cherry peach
#1     1      0      0     0
#2     0      0      1     0
#3     0      0      0     0

数据

table1 = structure(list(id = c(1L, 1L, 2L, 2L, 3L, 3L), word = c("apple", "banana", "cherry", "donuts", "eggplant", "fish")), .Names = c("id", "word"), class = "data.frame", row.names = c(NA, -6L)) table2 = structure(list(key_words = c("apple", "orange", "cherry", "peach" )), .Names = "key_words", class = "data.frame", row.names = c(NA, -4L))

检查数据框中的元素是否存在于另一个数据框

2 个答案: