匹配不同数据帧上的多列并获得其他列作为结果

Posted 2023-02-19

【中文标题】匹配不同数据帧上的多列并获得其他列作为结果

【英文标题】：Matching multiple columns on different data frames and getting other column as result

【发布时间】：2012-10-28 12:31:41

【问题描述】：

我有两个大数据框，一个 (df1) 有这个结构

   chr    init
1  12  25289552
2   3 180418785
3   3 180434779

另一个 (df2) 有这个

    V1    V2     V3
10  1     69094 medium
11  1     69094 medium
12  12 25289552 high
13  1     69095 medium
14  3 180418785 medium
15  3 180434779 low

我要做的是将df2 的V3 列添加到df1，以获取突变信息

   chr    init  Mut
1  12  25289552 high
2   3 180418785 medium
3   3 180434779 low

我正在尝试将两者都加载到 R 中，然后使用 match 进行 for 循环，但它不起作用。你知道有什么特别的方法可以做到这一点吗？我也愿意使用 awk 或类似的东西

【参考方案1】：

当我最近遇到问题时，我最终在数据集中创建了一个新列并将其用作单个列来加入。

#create new column for join
df1$id <- paste0("chr" , "init")
df2$id <- paste0("V1","V2") 
# join and select outputs
df3 <-  dplyr::left_join(x = df1, y = df2, by = "id")%>%
 dplyr::select(chr, init, V3)

它对我有用。

【参考方案2】：

@user976991 评论对我有用。

相同的想法，但需要在两列上匹配。

我的域上下文是一个包含多个条目（可能是价格条目）的产品数据库。想要删除旧的 update_nums，只保留最新的 product_id。

raw_data <- data.table( product_id = sample(10:13, 20, TRUE), update_num = sample(1:3, 20, TRUE), stuff = rep(1, 20, sep = ''))
max_update_nums <- raw_data[ , max(update_num), by = product_id]
distinct(merge(dt, max_update_nums, by.x = c("product_id", "update_num"), by.y = c("product_id", "V1")))

【参考方案3】：

df1 <- read.table(textConnection("   chr    init
 1  12  25289552
 2   3 180418785
 3   3 180434779"), header=T)

df2 <- read.table(textConnection("    V1    V2     V3
 10  1     69094 medium
 11  1     69094 medium
 12  12 25289552 high
 13  1     69095 medium
 14  3 180418785 medium
 15  3 180434779 low"), header=T)

# You have to select the values of df2$V3 such as their corresponding V2 
# are equal to the values of df1$init
df1$Mut <- df2$V3[ df2$V2 %in% df1$init]

df1
  chr      init    Mut
1  12  25289552   high
2   3 180418785 medium
3   3 180434779    low

【讨论】：

请注意，如果df1 中的任何键值在df2 中不存在，这将不起作用。您会收到类似“替换有 3 行，数据有 4 行”的错误。有关使用 match() 的左连接实现，请参阅 ***.com/questions/1299871/…。

【参考方案4】：

使用merge

df1 <- read.table(text='  chr    init
1  12  25289552
2   3 180418785
3   3 180434779', header=TRUE)


df2 <- read.table(text='    V1    V2     V3
10  1     69094 medium
11  1     69094 medium
12  12 25289552 high
13  1     69095 medium
14  3 180418785 medium
15  3 180434779 low', header=TRUE)


merge(df1, df2, by.x='init', by.y='V2') # this works!
       init chr V1     V3
1  25289552  12 12   high
2 180418785   3  3 medium
3 180434779   3  3    low

以您显示的方式获得所需的输出

output <- merge(df1, df2, by.x='init', by.y='V2')[, c(2,1,4)]
colnames(output)[3] <- 'Mut' 
output
  chr      init    Mut
1  12  25289552   high
2   3 180418785 medium
3   3 180434779    low

【讨论】：

是的，这就是我想要的，关键是我还必须考虑染色体，所以也许像这样的东西 merge(df1, df2, by.x=c('chr', 'init'), by.y=c('V1',V2')[, c(2,1,4)]

没错，只需将chr 和V1 添加到参数中即可：D 考虑对有用的答案投赞成票，如果您觉得其中一个有用，请接受其中一个：D

【参考方案5】：

会

df3 <- merge( df1, df2, by.x = "init", by.y = "V2" )
df3 <- df3[-3]
colnames( df3 )[3] <- "Mut"

给你你想要的？