乔恩·斯普林（Jon Spring）发布的解决方案，在提供的答案的评论中）
#Applied to fruits example
df2 %>%
select(id, name, score.x, year) %>%
left_join(df1 %>% select(id, name, score.x, year),
by = c("id", "name", "score.x", "year")) %>%
mutate(match = score.x.x == score.x.y)
#Applied to df being worked with
Votesfull %>%
select(rcid, session.x, country, unres, vote) %>%
left_join(OTHER_DATA %>% select(rcid, session.x, country, unres, vote),
by = c("rcid", "session.x","country", "unres")) %>%
mutate(match = vote.x == vote.y)
我正在比较长度不同但结构相似的数据帧。有没有办法比较较长df和较短df的部分？
为清楚起见，我将较短的df称为df1，将较长的df2称为df2。 df1是较长的子集的子集，而df2是组成一个大df的相似表的集合。 df2的每个子部分长约6,000个观测值，而df1的长度也差不多。
我想寻求帮助，是否可以调用df2的这一小部分与df1进行比较，并不断对其进行迭代，直到到达df2的结尾为止。
我已经搜索并尝试了有关大小相等或相似的数据帧的解决方案，但是我找不到高度不同的数据帧的解决方案。在我正在使用的数据帧中，较大的一个大约比较短的一个大约长150倍，但总观测值略有不同，这意味着两个df的长度不是彼此的倍数。
数据结构本身可能有问题。如果是这样，我为我缺乏思想和技能深表歉意。
下面的示例df1和df2说明了这个难题：
df1 <- data.frame(
"id" = 1:3,
"name" = c('apple', 'apple', 'apple'),
"score.x" = c(1, 3, 2),
"year" = c(2000, 2001, 2002)
)
df2 <- data.frame(
"id" = c(1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3),
"name" = c('orange', 'orange', 'orange', 'melon', 'melon', 'melon', 'grapes', 'grapes', 'grapes', 'lemon', 'lemon', 'lemon'),
"score.x" = c(2, 3, 1, 1, 1, 2, 3, 3, 2, 1, 1, 1),
"year" = c(2000, 2001, 2002, 2000, 2001, 2002, 2000, 2001, 2002, 2000, 2001, 2002)
)
df1
id name score.x year
1 1 apple 1 2000
2 2 apple 3 2001
3 3 apple 2 2002
df2
id name score.x year
1 1 orange 2 2000
2 2 orange 3 2001
3 3 orange 1 2002
4 1 melon 1 2000
5 2 melon 1 2001
6 3 melon 2 2002
7 1 grapes 3 2000
8 2 grapes 3 2001
9 3 grapes 2 2002
10 1 lemon 1 2000
11 2 lemon 1 2001
12 3 lemon 1 2002
df2与df1相似，只是它具有更多的观测值。
有没有一种方法可以比较df2的一部分，也许是橙色（df2 [df2 $ name =='orange']）来比较df1，然后在瓜，葡萄和柠檬上进行迭代？
最后，我要感谢回答这个问题的任何人，并对认为问题提出得不好的任何人表示歉意。总的来说，我对R和Stack Overflow还是很陌生-我知道这并不能为我辩解。总而言之，我将尝试快速赶上并为社区创造更好的内容。
编辑：下面是我想应用的实际df的一部分：
Votesfull
rcid ccode session.x member vote Country year date unres
1 3 2 1 1 1 USA 1946 1946-01-01 R/1/66
2 3 20 1 1 3 CAN 1946 1946-01-01 R/1/66
3 3 31 1 NA NA BHS 1946 1946-01-01 R/1/66
4 3 40 1 1 1 CUB 1946 1946-01-01 R/1/66
5 3 41 1 1 1 HTI 1946 1946-01-01 R/1/66
...
512792 2550 2 38 1 3 USA 1983 1983-12-07 R/38/183C
512793 2550 20 38 1 3 CAN 1983 1983-12-07 R/38/183C
512794 2550 31 38 1 2 BHS 1983 1983-12-07 R/38/183C
512795 2550 40 38 1 1 CUB 1983 1983-12-07 R/38/183C
512795 2550 41 38 1 2 HTI 1983 1983-12-07 R/38/183C
...
1041717 5338 2 69 1 3 USA 2014 2014-12-02 R/69/53
1041718 5338 20 69 1 2 CAN 2014 2014-12-02 R/69/53
1041719 5338 31 69 1 1 BHS 2014 2014-12-02 R/69/53
1041720 5338 40 69 1 1 CUB 2014 2014-12-02 R/69/53
2014721 5338 41 69 1 1 HTI 2014 2014-12-02 R/69/53
对于上述示例df中名称似乎不重叠的困惑，我深表歉意。
此数据来自乔治敦大学。 Voeten博士的联合国大会投票数据，可通过Harvard Dataverse访问。 df具有重叠的rcid，session.x和unres（UN解析代码），可用于与其他国家/地区的另一行进行并行处理。
Edit2：所需结果的草图如下（注意匹配列）：
Votesfull
rcid ccode session.x member vote Country year date unres match
1 3 2 1 1 1 USA 1946 1946-01-01 R/1/66 TRUE
2 3 20 1 1 3 CAN 1946 1946-01-01 R/1/66 FALSE
3 3 31 1 NA NA BHS 1946 1946-01-01 R/1/66 NA
4 3 40 1 1 1 CUB 1946 1946-01-01 R/1/66 TRUE
5 3 41 1 1 1 HTI 1946 1946-01-01 R/1/66 TRUE
...
512792 2550 2 38 1 3 USA 1983 1983-12-07 R/38/183C TRUE
512793 2550 20 38 1 3 CAN 1983 1983-12-07 R/38/183C TRUE
512794 2550 31 38 1 2 BHS 1983 1983-12-07 R/38/183C FALSE
512795 2550 40 38 1 1 CUB 1983 1983-12-07 R/38/183C FALSE
512795 2550 41 38 1 2 HTI 1983 1983-12-07 R/38/183C FALSE
...
1041717 5338 2 69 1 3 USA 2014 2014-12-02 R/69/53 TRUE
1041718 5338 20 69 1 2 CAN 2014 2014-12-02 R/69/53 FALSE
1041719 5338 31 69 1 1 BHS 2014 2014-12-02 R/69/53 FALSE
1041720 5338 40 69 1 1 CUB 2014 2014-12-02 R/69/53 FALSE
2014721 5338 41 69 1 1 HTI 2014 2014-12-02 R/69/53 FALSE
我应该澄清的是，数据帧的长度不完全相同。
因此，基本上，我正在努力根据匹配的vote数据来测试Votesfull中的每个rcid条目是否等于另一个df（结构相似）（每个rcid表示一个单独的投票会议，这意味着每个Country条目中的每个vote将有1个rcid条目。）
Edit3：使用原始水果示例绘制所需结果的草图：
df1
id name score.x year
1 1 apple 1 2000
2 2 apple 3 2001
3 3 apple 2 2002
#todo: compare apples to orange, melon, grapes, etc., for each id match
#e.g.) apple(id=1) vs orange(id=1), apple(id=2) vs orange(id=2), so on..
df2
id name score.x year match_apple
1 1 orange 2 2000 FALSE #for id=1, score 2 != 1
2 2 orange 3 2001 TRUE #for id=2, score 3 == 3
3 3 orange 1 2002 FALSE #for id=3, score 1 != 2
4 1 melon 1 2000 TRUE
5 2 melon 1 2001 FALSE
6 3 melon 2 2002 TRUE
7 1 grapes 3 2000 FALSE
8 2 grapes 3 2001 TRUE
9 3 grapes 2 2002 TRUE
10 1 lemon 1 2000 FALSE
11 2 lemon 1 2001 FALSE
12 3 lemon 1 2002 FALSE
13 1 berry 1 2000 TRUE #added new fruit to demo NA
14 2 berry 2 2001 FALSE
15 3 berry NA 2002 NA #some values of df are NA
答案 0 :(得分：0)
根据您的评论，您想要测试score.x中每个水果的每个df2条目是否等于df1。这是使用dplyr和group_by来实现的一种方法。
我同时进行了逐项测试和平均成绩的比较。
平均得分比较：
library(dplyr)
df2 %>%
group_by(name) %>%
summarise(avg = mean(score.x)) %>%
mutate(match_df1 = avg == mean(df1$score.x))
# A tibble: 4 x 3
name avg match_df1
<fct> <dbl> <lgl>
1 grapes 2.67 FALSE
2 lemon 1 FALSE
3 melon 1.33 FALSE
4 orange 2 TRUE
每个水果的每个项目与df1中每个苹果条目的比较：
df2 %>%
group_by(name) %>%
mutate(match_df1 = score.x == df1$score.x)
# A tibble: 12 x 5
# Groups: name [4]
id name score.x year match_df1
<dbl> <fct> <dbl> <dbl> <lgl>
1 1 orange 2 2000 FALSE
2 2 orange 3 2001 TRUE
3 3 orange 1 2002 FALSE
4 1 melon 1 2000 TRUE
5 2 melon 1 2001 FALSE
6 3 melon 2 2002 TRUE
7 1 grapes 3 2000 FALSE
8 2 grapes 3 2001 TRUE
9 3 grapes 2 2002 TRUE
10 1 lemon 1 2000 TRUE
11 2 lemon 1 2001 FALSE
12 3 lemon 1 2002 FALSE
答案 1 :(得分：0)
下面是在两个表之间进行联接以查看它们是否在其他列匹配的score.x中匹配的示例。
“ left_join”从第一张表中取出每一行，并为第二张表中的每个匹配项输出一行，该行由by = c("id", "name", "year")部分中命名的列定义。由于您现在拥有两个score.x版本，因此df1的原始版本重命名为score.x.x，而df2的原始版本重命名为score.x.y。
library(dplyr)
df1 %>% # (Note, I've modified df1 to be "oranges" so we'll have matches)
left_join( # Keep everything in df1 and connect to each matching row in...
df2, # df2, defined by matching...
by = c("id", "name", "year") # id, name, and year
) %>%
mutate(match = score.x.x == score.x.y) # ...and say whether they match
# Here's the output
id name score.x.x year score.x.y match
1 1 orange 1 2000 2 FALSE
2 2 orange 3 2001 3 TRUE
3 3 orange 2 2002 1 FALSE
样本数据，在OP中稍作修改
df1 <- data.frame(
"id" = 1:3,
"name" = c('orange', 'orange', 'orange'), # Changed to make matches
"score.x" = c(1, 3, 2),
"year" = c(2000, 2001, 2002)
)
df2 <- data.frame(
"id" = c(1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3),
"name" = c('orange', 'orange', 'orange', 'melon', 'melon', 'melon', 'grapes', 'grapes', 'grapes', 'lemon', 'lemon', 'lemon'),
"score.x" = c(2, 3, 1, 1, 1, 2, 3, 3, 2, 1, 1, 1),
"year" = c(2000, 2001, 2002, 2000, 2001, 2002, 2000, 2001, 2002, 2000, 2001, 2002)
)