替代

Question

我有两个要匹配的数据帧，然后让它根据此匹配返回一个值。

dt1
Name
Matt
John
Steven
Natalie, Nat
Unknown

 dt2
 Names           Grade

Matt              A
John              B
Steven            C
Natalie           D
 Nat              D
Unknown           NA

我想要R做的是将dt1匹配到dt2，然后再返回一个值。我使用了以下代码：

Merge_df$"Match_name" <- ifelse(df1$"Name" %in% df2$"Names","Right Name",ifelse(grepl    ("Unknown", dt1$"Name", ignore.case = FALSE), "Unknown", "NA"))

所需的输出

Merge_df
A
B
C
D
E
Unknown

但是我得到的不是这个。在其中有两个名称的单元格中，它返回NA，因为它不读取两个名称，它只是尝试将整个值与dt2匹配，而dt2当然没有任何值（Natalie和Nat都在一起）。我希望R读取两个名称，然后查看是否都在dt2中，然后返回文本值“ Right name”。

有什么想法吗？

Answer 1

这是一种蛮力方法：

dt1 <- read.table(header=TRUE, stringsAsFactors=FALSE, sep="|", text="
Name
Matt
John
Steven
Natalie, Nat
Unknown")

dt2 <- read.table(header=TRUE, stringsAsFactors=FALSE, text="
Names
Matt
John
Steven
Natalie
Nat
Unknown")

（我应该注意，我使用sep="|"只是为了快速将数据输入到此示例中。sep=的某些替代方法是必需的，因为其中一个字段中有空格。也可以使用readLines。）

首先，您不确定如何使用逗号分隔的名称。 split可以在这里使用：

strsplit(dt1$Name, "[ ,]+")
# [[1]]
# [1] "Matt"
# [[2]]
# [1] "John"
# [[3]]
# [1] "Steven"
# [[4]]
# [1] "Natalie" "Nat"    
# [[5]]
# [1] "Unknown"

sapply(strsplit(dt1$Name, "[ ,]+"), function(s) any(s %in% dt2$Names))
# [1] TRUE TRUE TRUE TRUE TRUE

这意味着嵌套的ifelse看起来像这样：

ifelse(grepl("Unknown", dt1$Name, ignore.case = FALSE), "Unknown",
       ifelse(sapply(strsplit(dt1$Name, "[ ,]+"), function(s) any(s %in% dt2$Names)),
              "Right Name", "NA"))
# [1] "Right Name" "Right Name" "Right Name" "Right Name" "Unknown"

（并将其分配给列）。

我希望您的问题不会再复杂了……一旦我开始嵌套ifelse，我真的在考虑可以用merge简化的数据结构。为此，您需要重塑{嵌入}到dt1，以便没有逗号分隔的字段。

替代

从数据效率的角度来看，

在一个单元格中具有逗号分隔的 independent 类别可能很烦人。我建议我们展开dt1，以便每行有一个Name。但是，为了“记住”每个分组的来源，我们将为其分配一个ID。

从那里开始，简单地将它们合并/合并即可。我将演示如何使用dplyr，尽管几乎可以直接在base或data.table中完成相同的步骤。

library(dplyr)
library(tidyr) # unnest


dt1 <- read.table(header=TRUE, stringsAsFactors=FALSE, sep="|", text="
Name
Matt
John
Steven
Natalie, Nat
Unknown")
dt2 <- read.table(header=TRUE, stringsAsFactors=FALSE, text="
Names Grade
Matt A
John B
Steven C
Natalie D
Nat D
Unknown NA 
")

dt1 %>%
  mutate(
    id = row_number(),
    Name = strsplit(Name, "[ ,;]+")
  ) %>%
  unnest(cols = Name) %>%
  left_join(dt2, by = c(Name = "Names"))
# # A tibble: 6 x 3
#   Name       id Grade
#   <chr>   <int> <chr>
# 1 Matt        1 A    
# 2 John        2 B    
# 3 Steven      3 C    
# 4 Natalie     4 D    
# 5 Nat         4 D    
# 6 Unknown     5 <NA>

以此为依据，您可以选择以根据dt1重新汇总dt1$id。

将变量的多个值与另一个数据帧的一个值匹配

1 个答案:

替代