R中两个数据帧的条件连接

Posted 2023-02-24

【中文标题】R中两个数据帧的条件连接

【英文标题】：Conditional JOIN on two data frames in R

【发布时间】：2018-03-27 02:53:58

【问题描述】：

假设有两个数据框，如下所示（来自this post）：

df1 = data.frame(CustomerId = c(1:6), Product = c(rep("Toaster", 3), rep("Radio", 3)))
df2 = data.frame(CustomerId = c(2, 4, 6), State = c(rep("Alabama", 2), rep("Ohio", 1)))

df1
#  CustomerId Product
#           1 Toaster
#           2 Toaster
#           3 Toaster
#           4   Radio
#           5   Radio
#           6   Radio

df2
#  CustomerId   State
#           2 Alabama
#           4 Alabama
#           6    Ohio

问题是如何在 R 中执行以下 sql 查询：

SELECT * FROM df1 JOIN df2 on df1.CustomerId <= df2.CustomerId

我所知道的是我可以使用merge(df1, df2, by = "CustomerId") 进行内部连接。但是不满足join的条件。

【问题讨论】：

library(sqldf); sqldf("SELECT * FROM df1 JOIN df2 on df1.CustomerId <= df2.CustomerId")

@G.Grothendieck 那么，不能使用merge函数来完成吗？

看到这个link

你可以这样做，但它会创建一个非常大的中间结果，其中包含来自merge 的nrow(df1) * nrows(df2) 行：subset(merge(df1, df2, by = NULL), as.character(CustomerId.x) <= as.character(CustomerId.y))

@L30n1d45 它不是有条件的。当您阅读我的问题时，我已经参考了它。

【参考方案1】：

正如我在亲爱的 Grothendieck 在 cmets 中发现的那样，一个简单的解决方案是使用 sqldf 包并以 sql 格式获得我的结果：

library(sqldf)
sqldf("SELECT * FROM df1 JOIN df2 on df1.CustomerId <= df2.CustomerId")

【参考方案2】：

这是一种令人困惑的方法。但它确实有效：

library(tidyverse)
df1 = data.frame(CustomerId = c(1:6), Product = c(rep("Toaster", 3), rep("Radio", 3)))
df2 = data.frame(CustomerId = c(2, 4, 6), State = c(rep("Alabama", 2), rep("Ohio", 1)))

map2_df(
  df1$CustomerId, df1$Product,
  .f = ~ 
    temp <- df2 %>% filter(.x <= CustomerId)
    tibble(CustomerId.x = .x, Product = .y, 
           CustomerId.y = temp$CustomerId, State = temp$State)
  
)