R：基于多个条件的两个数据帧的子集

Posted 2023-03-12

【中文标题】R：基于多个条件的两个数据帧的子集

【英文标题】：R: Subset from two data frames based on multiple conditions

【发布时间】：2019-10-22 04:04:50

【问题描述】：

我有两个数据框（df1 和 df2），我想要一个新的数据框 (df3)，其中包含 df1 的“日期”和“time_of_day”与 df2 匹配的所有行。并将 df1 中不匹配的行保存在新的数据帧 (df4) 中。

我尝试使用 dplyr 过滤器函数，但似乎我没有正确编写它，因为我得到了一个与 df1 长度相同的新数据帧，但它应该只显示基于两个变量日期和时间的匹配行一天。

> df1
          date time_of_day     
1  2018-06-03     morning 
2  2018-06-06     afternoon 
4  2018-06-09     morning 
5  2018-06-10     afternoon 

> df2
          date time_of_day     
1  2018-06-03     morning 
2  2018-06-06     morning 
3  2018-06-08     morning 
4  2018-06-09     morning 
5  2018-06-10     afternoon
6  2018-06-11     afternoon

#creating a new data frame
df3 <- filter(df1, date %in% df2$date & time_of_day %in% df2$time_of_day)
#another try 
df3 <- df1[df1$date %in% df2$date & df1$time_of_day %in% df2$time_of_day,]

这就是我想要的：

> df3
          date time_of_day     
1  2018-06-03     morning 
2  2018-06-09     morning 
3  2018-06-10     afternoon 

> df4
          date time_of_day     
1  2018-06-06     afternoon 

【问题讨论】：

试试inner_join(df1, df2)和anti_join(df1, df2)

【参考方案1】：

我们可以通过inner_join 做到这一点

library(dplyr)
df3 <- inner_join(df1, df2)
df3
#       date time_of_day
#1 2018-06-03     morning
#2 2018-06-09     morning
#3 2018-06-10   afternoon

和anti_join

df4 <- anti_join(df1, df2)
df4
#       date time_of_day
#1 2018-06-06   afternoon

数据

df1 <- structure(list(date = c("2018-06-03", "2018-06-06", "2018-06-09", 
"2018-06-10"), time_of_day = c("morning", "afternoon", "morning", 
"afternoon")), class = "data.frame", row.names = c("1", "2", 
"4", "5"))

df2 <- structure(list(date = c("2018-06-03", "2018-06-06", "2018-06-08", 
"2018-06-09", "2018-06-10", "2018-06-11"), time_of_day = c("morning", 
"morning", "morning", "morning", "afternoon", "afternoon")),
class = "data.frame", row.names = c("1", 
"2", "3", "4", "5", "6"))

【讨论】：

非常感谢，我认为这会有所帮助，我现在唯一的问题是，我的真实 df2 中的列比 df1 中的多，所以我没有达到我需要。你知道我该如何解决吗？

@chiarasahara 只是对 'df2' 的列进行子集化，即仅使用列加入 inner_join(df1, df2[c("date", "time_of_day")])

我的真实数据似乎无法获得相同的输出。结构是一样的。但在我的 df3 中，现在所有日期都是双倍或三倍版本。你知道为什么吗？

@chiarasahara 在这种情况下，您可能需要决定匹配哪一行。您可以使用distinct 获取保留第一行的不同行并删除重复项，即。 distinct(df2[c("date", "time_of_day")]) 然后加入。但是，这个决定取决于你的问题，以及你想要实现的逻辑

哇，现在我得到了我的结果，非常感谢你的耐心:) 你让我开心！

【参考方案2】：

更改您的基本 R 代码，您可以这样做（如下）。如果你想删除重复的行，你可以用unique() 包装。

df1[paste0(df1$date, df1$time_of_day) %in% paste0(df2$date, df2$time_of_day), ]
        date time_of_day
1 2018-06-03     morning
4 2018-06-09     morning
5 2018-06-10   afternoon

和

df1[!paste0(df1$date, df1$time_of_day) %in% paste0(df2$date, df2$time_of_day), ]
        date time_of_day
2 2018-06-06   afternoon

您之前的尝试没有成功，因为 df1$date %in% df2$date & df1$time_of_day %in% df2$time_of_day 的计算结果为 TRUE TRUE TRUE TRUE。所以它保留了所有行。也就是说：df1 中的所有日期都在df2 中，df1 中的所有时间都在df2 中。

编辑：

或者，在 dplyr 中，您可以使用 intersect 和 setdiff 处理数据帧并删除重复项：

dplyr::intersect(df1, df2)
        date time_of_day
1 2018-06-03     morning
2 2018-06-09     morning
3 2018-06-10   afternoon

dplyr::setdiff(df1, df2)
        date time_of_day
1 2018-06-06   afternoon