将一个数据框中的两列与另一个数据框中的两列进行匹配，与顺序无关

Question

以两个数据框为例：

df1 = data.frame(V1 = c('JOHN', 'BRIAN','KATE', 'ERIC', 'CURT', 'ZACH'), V2 = c('ABIGAIL', 'ANDY', 'GEORGE', 'JOHN', 'MARY', 'FRANKLIN'), V3 = seq(1,6,1), V4 = seq(1,6,1))
df2 = data.frame(V1 = c('ABIGAIL', 'BRIAN','KATE', 'ERIC'), V2 = c('JOHN', 'ANDY', 'MARTIN', 'ANDREW'))

df1
V1       V2 V3 V4
JOHN  ABIGAIL  1  1
BRIAN     ANDY  2  2
KATE   GEORGE  3  3
ERIC     JOHN  4  4
CURT     MARY  5  5
ZACH FRANKLIN  6  6

df2
V1     V2 
ABIGAIL   JOHN
BRIAN   ANDY
KATE MARTIN
ERIC ANDREW

我如何创建一个新的 df3，其中包含在 df1 和 df2 中的 V1 和 V2 列之间匹配的行。挑战在于我希望这场比赛与顺序无关。

因此 df3 在示例中看起来像：

  df3
  V1   V2 V3 V4
  ABIGAIL JOHN 1 1
  BRIAN ANDY  2  2

我尝试过使用 match() 和 %in% 运算符，但没有成功。

我正在寻找适用于具有数千行的数据框的解决方案。

编辑

这两个答案都为我的问题提供了可行的解决方案。事实证明我错过了一些使其适用于我自己的数据的东西。取而代之的是数据框：

df1 = data.frame(V1 = c('JOHN', 'BRIAN','KATE', 'ERIC', 'CURT', 'ZACH'), V2 = c('ABIGAIL', 'ANDY', 'GEORGE', 'JOHN', 'MARY', 'FRANKLIN'), V3 = seq(1,6,1), V4 = seq(1,6,1))
df2 = data.frame(V1 = c('ABIGAIL', 'BRIAN','KATE', 'BRIAN', 'ERIC'), V2 = c('JOHN', 'ANDY', 'MARTIN', 'ANDY', 'ANDREW'))

现在我还想提取行，即使它们之间的匹配项不在同一行中。 df3然后看起来像：

df3
V1   V2 V3 V4
ABIGAIL JOHN 1 1
BRIAN ANDY  2  2
BRIAN ANDY  2  2

基本上，我希望 df1 中的 V3 和 V4 中的值适用于 V1 和 V2 中的名称之间的每个交互独立于顺序.

Answer 1

library(combinat)
df1[apply(df1[,1:2], 1, paste, collapse = ' ') %in%
    apply(df2[,1:2], 1, function(x) sapply(permn(x), paste, collapse = ' '))
    ,]

使用如下所示的 sqldf 速度更快，但对于 > 2 个变量并不容易，因为所有可能性都必须在连接条件中列出。

library(sqldf)
sqldf('
select  df1.*
from    df1
        inner join df2
            on  (df1.V1 = df2.V1 and df1.V2 = df2.V2)
                or (df1.V1 = df2.V2 and df1.V2 = df2.V1)
')

Answer 2

您不需要包裹；只需测试两种方式：

## Make a frame with combined in both ways
df1o = data.frame(V12 =paste(df1$V1,df1$V2, sep="-"), V21= paste(df1$V2,df1$V1, sep="-"))
## Make a frame with the second combination
df2o = data.frame(P =paste(df2$V1,df2$V2, sep="-") )
## Compare the combinations in both ways and select those that match in a new df
df3 = df1[which(df1o$V12 %in% df2o$P | df1o$V21 %in% df2o$P),]
df3

结果

> df3
     V1      V2 V3 V4
1  JOHN ABIGAIL  1  1
2 BRIAN    ANDY  2  2Z

Answer 3

通过使用 pmin 和 pmax 对 V1 和 V2 列按行排序来创建 ID，以便 "A" "B" 和 "B" "A" 将具有与 "A_B" 相同的 ID。然后通过ID使用merge:

df1$ID <- paste(pmin(as.character(df1$V1), as.character(df1$V2)),
                pmax(as.character(df1$V1), as.character(df1$V2)), sep = "_")

df2$ID <- paste(pmin(as.character(df2$V1), as.character(df2$V2)),
                pmax(as.character(df2$V1), as.character(df2$V2)), sep = "_")

merge(df1, df2[, "ID", drop = FALSE], by = "ID")

#             ID    V1      V2 V3 V4
# 1 ABIGAIL_JOHN  JOHN ABIGAIL  1  1
# 2   ANDY_BRIAN BRIAN    ANDY  2  2
# 3   ANDY_BRIAN BRIAN    ANDY  2  2

将一个数据框中的两列与另一个数据框中的两列进行匹配，与顺序无关

Matching two columns in one data frame against two columns in another, independently of the order

r

bioinformatics

编辑