如何在R/

Question

中執行復雜的多列匹配我希望基於多個列上的條件來匹配兩個數據幀，但無法弄清楚。因此，如果有我的數據集：

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)) 

我想從DF2落入其目的在DF1下限和上限之間的範圍內添加一個額外的列DF2含x的DF1值相匹配年齡年齡介於上限和下限之間。即我想df2看起來像

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

我該如何實現這樣的匹配？

Answer 1

我會去用一個簡單的sapply，並在df1$x選擇這樣的「相與」條件：

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

這給：

> 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 

12歲比如裏面的選擇括號給出：

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

所以得到這個邏輯向量很容易爲你的範圍沒有重疊

Answer 2

從data.table使用foverlaps是你在找什麼：

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

這裏有一個熔化的數據使用findInterval設置

另一量化方法

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 

這裏的想法是

• 首先，收拾你的數據，以便lower和upper將在同一列中並且x將具有對應值，以該新的列，
• 然後，根據這些範圍（必要findInterval）中的數據進行排序。
• 最後，運行x列中findInterval，以便找到正確的發病率

---

這裏還有一個可能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