如何在 R / 中执行复杂的多列匹配

Question

我希望根据不止一列的条件匹配两个数据框，但不知道如何做。所以如果有我的数据集：

df1 <- data.frame(lower=c(0,5,10,15,20), upper=c(4,9,14,19,24), x=c(12,45,67,89,10))
df2 <- data.frame(age=c(12, 14, 5, 2, 9, 19, 22, 18, 23))

我希望匹配 df2 中落入 df1 中 lower 和 upper 之间范围的年龄，目的是向 df2 添加一个额外的列，其中包含 df1 中的 x 值，其中年龄介于 upper 和 lower 之间。即我希望 df2 看起来像

age    x
12    67
14    67
 5    45
....etc.

如何实现这样的匹配？

Answer 1

我会在 df1$x 选择中使用简单的 sapply 和 "anded" 条件，如下所示：

df2$x <- sapply( df2$age, function(x) { df1$x[ x >= df1$lower & x <= df1$upper ] })

给出：

例如，对于 12 岁，括号内的选择给出：

> 12 >= df1$lower & 12 <= df1$upper
[1] FALSE FALSE  TRUE FALSE FALSE

所以通过这个逻辑向量得到 df1$x 很容易，因为你的范围不重叠

Answer 2

使用 data.table 中的 foverlaps 是您要查找的内容：

library(data.table)
setDT(df1)
setDT(df2)[,age2:=age]
setkey(df1,lower,upper)
foverlaps(df2, df1, by.x = names(df2),by.y=c("lower","upper"))[,list(age,x)]

#    age  x
# 1:  12 67
# 2:  14 67
# 3:   5 45
# 4:   2 12
# 5:   9 45
# 6:  19 89
# 7:  22 10
# 8:  18 89
# 9:  23 10

Answer 3

这是另一种矢量化方法，使用 findInterval 对融化的数据集

library(data.table) 
df2$x <- melt(setDT(df1), "x")[order(value), x[findInterval(df2$age, value)]]
#   age  x
# 1  12 67
# 2  14 67
# 3   5 45
# 4   2 12
# 5   9 45
# 6  19 89
# 7  22 10
# 8  18 89
# 9  23 10

这里的想法是

首先，整理您的数据，这样 lower 和 upper 将在同一列中，并且 x 将具有与该新列对应的值，
然后，根据这些范围对数据进行排序（findInterval需要）。
最后，运行 findInterval 在 x 列中找到正确的发生率

这是一个可能的 dplyr/tidyr 版本

library(tidyr)
library(dplyr)
df1 %>%
  gather(variable, value, -x) %>%
  arrange(value) %>%
  do(data.frame(x = .$x[findInterval(df2$age, .$value)])) %>%
  cbind(df2, .)
#   age  x
# 1  12 67
# 2  14 67
# 3   5 45
# 4   2 12
# 5   9 45
# 6  19 89
# 7  22 10
# 8  18 89
# 9  23 10

如何在 R / 中执行复杂的多列匹配

How to perform complex multicolumn match in R /

r

dataframe

matching