Question

我想基于mutliple列合并两个数据帧。这里基于df1中的列B和df2中来自X-Z的所有列，但是将列X中的值返回到V1。像字典一样，如果a df1 $ B与df2 $ X匹配，则a返回df_merged $ V1，但是如果来自df1 $ B的c与c匹配df2 $ Y，则从df2 $ X返回b，是它的同义词等。只有df2 $ X可以返回到df_merged $ V1

DF1

A   B
1   a
2   c
3   f

和df2

X   Y   Z
a   NA  NA
b   c   NA
d   e   f

merged_df

A   V1
1   a
2   b
3   d

这是我的尝试：

merge(df1, df2, by.x="B", by.y=c("X", "Y", "Z"), all.x=T)

Answer 1

您可以使用tidyverse来执行此操作，或者您实际上可以使用类似哈希/字典的数据结构。在R中，没有本机哈希表类，但您可以利用hashmap包，它在内部使用Rcpp来创建类似哈希的对象：

library(tidyverse)
library(hashmap)

dict = df2 %>%
  mutate_if(is.factor, as.character) %>%
  mutate(Value = X) %>%
  gather(Label, Key, -Value) %>%
  na.omit() %>%
  {hashmap(.$Key, .$Value)}

这为您提供了一个哈希表：

> dict
## (character) => (character)
##         [e] => [d]        
##         [d] => [d]        
##         [f] => [d]        
##         [b] => [b]        
##         [a] => [a]

现在，要使用df1$B作为键提取值，只需执行以下操作：

dict[[df1$B]]
# [1] "a" NA  "a" "d"

df1 %>%
  mutate(Value = dict[[B]]) %>%
  na.omit() %>%
  select(-B)

<强>结果：

  A Value
1 1     a
3 3     a
4 4     d

数据：

df1 = read.table(text = "A B 1 a 2 c 3 a 4 e", header = TRUE, stringsAsFactors = TRUE) df2 = read.table(text = "X Y Z a NA NA b NA NA d e f", header = TRUE, stringsAsFactors = TRUE)

Answer 2

以下是用于演示目的的通用版本，但与使用hashmap相比，此方法不够稳健，灵活性差且效率低：

library(tidyverse)

df2 %>%
  mutate(Value = X) %>%
  gather(Label, Key, -Value) %>%
  split(.$Label) %>%
  map_dfr(~ cbind(A = na.omit(match(.$Key, df1$B)), 
              slice(., match(df1$B, .$Key)))) %>%
  select(A, Value) %>%
  arrange(A)

<强>结果：

  A Value
1 1     a
2 3     d
3 4     d

数据：

df1 = read.table(text = "A B 1 a 2 c 3 f 4 e", header = TRUE, stringsAsFactors = FALSE) df2 = read.table(text = "X Y Z a NA NA b NA NA d e f", header = TRUE, stringsAsFactors = FALSE)

注意：

我首先复制df2$X因为它在技术上也是一个关键。然后，我将df2改为长格式，split改为Key。对于每个密钥，我sliced与df2$B和rbind匹配的行与map_dfr一起。最后，仅返回Value列。

请注意，我在此示例中使用了与df1示例中不同的hashmap，因为如果df1$B有重复项，此方法将无效。

使用R中的哈希表/字典将值替换为值

2 个答案: