Question

我有两个数据帧：df1和df2（请参见下面的示例）。 df1包含每个字符ID的数字开始和结束值。 df2每个字符ID包含多个事件，包括一个数字时间值。

library(dplyr)

df1 <- data_frame(id = c("A", "B"),
                  start = c(2, 3),
                  end = c(5, 9))

df2 <- data_frame(id = c(rep("A", 4), rep("B", 4)),
                  time = c(1, 3, 5, 8, 2, 3, 4, 10),
                  keep = c(FALSE, TRUE, TRUE, FALSE, FALSE, TRUE, TRUE, FALSE))

我试图根据时间值等于或介于df1中每个id的起始值和结束值之间的时间，使用dplyr过滤df2中的事件。因此，过滤器为“ df2 $ time> = df1 $ start和df2 $ time <= df1 $ end”，应分别为每个id执行。我添加了一个逻辑列“ keep”，以显示要保留在df2中的行。

如何为每个ID执行此过滤器？最好使用dplyr。这应该是最终结果：

df2 %>%
  filter(keep == TRUE)

非常感谢您的帮助！

Answer 1

使用dplyr这样的事情怎么办？

  df1 %>% 
  left_join(df2) %>%                       #joining to have one dataset
  filter(time <= end, time >= start) %>%   # filter, you can use <, > in case
  select(-c(2,3))                          # remove useless column if necessary

# A tibble: 4 x 3
  id     time keep 
  <chr> <dbl> <lgl>
1 A         3 TRUE 
2 A         5 TRUE 
3 B         3 TRUE 
4 B         4 TRUE

Answer 2

使用data.table的非等额联接功能：

# load the package and convert the dataframes to data.tables
library(data.table)
setDT(df1)
setDT(df2)

# non-equi join
df2[df1
    , on = .(id, time >= start, time <= end)
    , .(id, time = x.time)]

给出：

   id time
1:  A    3
2:  A    5
3:  B    3
4:  B    4

这是什么：

setDT()将data.frame转换为data.table
您将df1与df2一起加入。通过使用on = .(id, time >= start, time <= end)，您可以加入id的完全匹配项，同时time必须从start等于或等于df1并等于或小于等于从end到df1。
进行非等额联接时，data.table将从time（df1和start）的end列返回为{{1} }和time用于满足连接条件的情况（see also here）。要了解我的意思，您可以执行time。
通过使用df2[df1, on = .(id, time >= start, time <= end)]，您可以返回所需的列。 .(id, time = x.time)指的是x-data.table中的x.time列，time。

Answer 3

这也有效

df2$start <- df1[match(df2$id, df1$id),"start"]
df2$end <- df1[match(df2$id, df1$id),"end"]
df2$keep <- df2$time>df2$start& df2$time<df2$end
result <- df2 %>%  filter(keep)
result

使用dplyr根据不同数据框中的条件过滤行数据框

3 个答案: