如何在R中的数据框的其他行中查找元素

Posted 2023-02-16

【中文标题】如何在R中的数据框的其他行中查找元素

【英文标题】：How to find an element in other rows of a dataframe in R

【发布时间】：2020-12-01 02:00:15

【问题描述】：

有人可以帮我解决 R 中的这个问题吗？这是我正在使用的示例数据：

df <- data.frame(item = c("x", "y", "z"),
                 code1 = c("3 9 27 45 88 98", "23", "12 45"),
                 code2 = c("45 88 98 99 102 159", "42", "27 0 99"))
df

数据框如下所示：

  item           code1               code2
1    x 3 9 27 45 88 98 45 88 98 99 102 159
2    y              23                  42
3    z           12 45             27 0 99

我想找到变量code1 的每个元素到code2 但不在同一行。例如，观察 1 有一个元素 27，它存在于观察 3 中，因此新变量必须将其记录为计数 1。如果观察在除当前观察之外的任何其他观察中具有多个元素，则代码应计数商场。同样，观察 3 在观察 1 中有元素 45，因此新变量会将其记录为计数 1。最后，第二个观察元素不存在于任何其他观察中，因此新变量应计为 0。这是预期结果：

   item           code1               code2  code3
1    x 3 9 27 45 88 98 45 88 98 99 102 159       1
2    y              23                  42       0
3    z           12 45             27 0 99       1   

我尝试过，使用which(code1 %in% code2)，使用 for 循环遍历 code1 的元素并搜索到 code2，将 sapply 与 index 比当前索引小 1 的函数一起使用，但这些尝试都没有结果。

谢谢。

【参考方案1】：

您不能直接使用%in%，因为%in% 在code1 和code2 中寻找完全匹配，而您需要的是单独检查每个数字。您可以在空白处拆分 code1 和 code2，迭代它们的索引，对于 lst1 中的每个索引，从 lst2 中删除相应的值，并使用 %in% 计算公共值。

lst1 <- strsplit(df$code1, '\\s+')
lst2 <- strsplit(df$code2, '\\s+')
df$code3 <- sapply(seq_along(lst1), function(x) 
                   sum(lst1[[x]] %in% unlist(lst2[-x])))

df
#  item           code1               code2 code3
#1    x 3 9 27 45 88 98 45 88 98 99 102 159     1
#2    y              23                  42     0
#3    z           12 45             27 0 99     1

如果您使用的是 R

df[] <- lapply(df, as.character)

【参考方案2】：

library(tidyverse)

df <- data.frame(item = c("x", "y", "z"),
                 code1 = c("3 9 27 45 88 98", "23", "12 45"),
                 code2 = c("45 88 98 99 102 159", "42", "27 0 99"))

df1 <- df %>%
  select("item1" = item, code1) %>%
  mutate(code1 = str_split(code1, pattern = " ")) %>%
  unnest

df2 <- df %>%
  select("item2" = item, code2) %>%
  mutate(code2 = str_split(code2, pattern = " ")) %>%
  unnest

df3 <- crossing(df1, df2) %>%
  filter(item1 != item2) %>%
  mutate(code3 = code1 == code2) %>%
  select("item" = item1, code3) %>%
  group_by(item) %>%
  summarise(code3 = sum(code3)) %>% ungroup()

df_out <- inner_join(df, df3)