Question

我正在尝试比较R中两个不同数据框中的多个列。前面已经在论坛（Compare group of two columns and return index matches R）上解决了此问题，但这是另一种情况：我正在尝试比较{{ 1}}在dataframe 1中2列的范围之间。诸如dataframe 2之类的功能在这里无法使用。我一直在尝试使用match, merge, join, intersect，但走得并不远。数据帧的大小不同。

下面是一个示例：

purr::pluck

我的尝试

temp1.df <- mtcars

temp2.df <- data.frame(
  Cyl = sample (4:8, 100, replace = TRUE),
  Start = sample (1:22, 100, replace = TRUE),
  End = sample (1:22, 100, replace = TRUE)
)

temp1.df$cyl <- as.character(temp1.df$cyl)
temp2.df$Cyl <- as.character(temp2.df$Cyl)

错误：

temp1.df <- temp1.df %>% mutate (new_mpg = case_when (
  temp1.df$cyl %in% temp2.df$Cyl & temp2.df$Start <= temp1.df$mpg & temp2.df$End >= temp1.df$mpg ~ 1
))

预期结果：


比较temp1.df $ cyl和temp2.df $ Cyl。如果它们匹配，则->

检查temp1.df $ mpg是否在temp2.df $ Start和temp2.df $ End之间->

如果是，则创建一个值为1的新变量new_mpg。

很难在此处显示确切的预期输出。

我意识到我可以循环执行此操作，因此对于Error in mutate_impl(.data, dots) : Column `new_mpg` must be length 32 (the number of rows) or one, not 100的每一行，但是原始temp1.df的行数超过250,000。一个有效的解决方案将不胜感激。

谢谢

Answer 1

temp1.df$new_mpg<-apply(temp1.df, 1, function(x) {
  temp<-temp2.df[temp2.df$Cyl==x[2],] 
  ifelse(any(apply(temp, 1, function(y) {
    dplyr::between(as.numeric(x[1]),as.numeric(y[2]),as.numeric(y[3]))
  })),1,0)
})

请注意，这对您的实际数据的组织作了一些假设（特别是，我无法调用apply中的列名，因此我使用的是索引-可能会发生变化，因此您可能需要在接收数据和调用apply之间重新排列数据，或者可能在apply内更改数据的组织，例如通过apply(temp1.df[,c("mpg","cyl")]...。

无论如何，这会将您的数据集分成几行，并将每行与具有相同Cyl计数的第二个数据集的子集进行比较。在此子集内，它检查此行的mpg的any是否落在between（来自dplyr）Start和End上，如果是，则返回1（或0（如果没有）。然后将所有这些一和零作为（命名的）向量返回，可以将其放入temp1.df$new_mpg中。

我猜测rowwise可以做到这一点，但我永远无法使其正常工作...

比较R中2个不同数据框中的多列

1 个答案: