我一直在寻找一种智能或“更整洁”的方式来在tidyverse中使用查找表,但找不到令人满意的解决方案。
我有一个数据集和查找表:
# Sample data
data <- data.frame(patients = 1:5,
treatment = letters[1:5],
hospital = c("yyy", "yyy", "zzz", "www", "uuu"),
response = rnorm(5))
# Lookup table
lookup <- tibble(hospital = c("yyy", "uuu"), patients = c(1,5))
...查找表中的每一行都是我想要过滤第一个元素(数据)的确切模式。
想要的结果如下:
# A tibble: 3 x 4
patients treatment hospital response
<dbl> <chr> <chr> <dbl>
1 1.00 a yyy -0.275
2 5.00 e uuu -0.0967
我提出的最简单的解决方案是这样的:
as.tibble(dat) %>%
filter(paste(hospital, patients) %in% paste(lookup$hospital, lookup$patients))
但是,这必须是许多人经常做的事情 - 是否有更清晰,更便捷的方式(即查找表中有两列以上)?
答案 0 :(得分:0)
由于dplyr::inner_join()
的默认行为是匹配传递给函数的两个元组之间的公共列,而查找表只包含2个键列,因此最短的代码如下:
library(dplyr)
# Sample data
data <- tibble(patients = 1:5,
treatment = letters[1:5],
hospital = c("yyy", "yyy", "zzz", "www", "uuu"),
response = rnorm(5))
# Lookup table
lookup <- tibble(hospital = c("yyy", "uuu"), patients = c(1,5))
data %>% inner_join(.,lookup)
...和输出:
> data %>% inner_join(.,lookup)
Joining, by = c("patients", "hospital")
# A tibble: 2 x 4
patients treatment hospital response
<dbl> <chr> <chr> <dbl>
1 1.00 a yyy -1.44
2 5.00 e uuu -0.313
>
因为所需的输出可以通过跨区块的键列的连接来完成,所以OP中的paste()
代码是不必要的。
另请注意,inner_join()
是正确的连接类型,因为所需的输出是跨两个传入元组匹配的行,并且查找表没有重复的行。如果查找表包含重复的行,那么根据OP上的注释,semi_join()
将是适当的函数。