R：跨数据框的多重比较

Question

我在R中有两个数据框（原始数据长10万行，有100个类别）：

dfBase = data.frame(category=c(1,1,1,2,2,2), id=c(10000, 500, 8000, 500,8000,10000), rank=c(1,2,3,1,2,3))
dfTest = data.frame(category=c(1,1,1,2,2,2), id=c(500, 10000, 8000, 10000, 8000, 500), rank=c(1,2,3,1,2,3))

并且我想做的就是仅在两个条件（类别和ID）匹配时，才用基线的等级替换ID。 我有以下代码：

dfTest$category[dfBase$category == dfTest$category & dfBase$id == dfTest$id] <- dfBase$rank

我得到错误：

number of items to replace is not a multiple of replacement length

但是，我在两个数据框中都有相同的尺寸。 一些值被替换，但是一些值被跳过。 我对R知之甚少，无法理解这一点，所以希望您能为我提供帮助。

Answer 1

像在帖子中一样创建一个逻辑索引。

 indx <- dfBase$category==dfTest$category & dfBase$id==dfTest$id 

然后，在<- lhs和rhs部分都使用该索引。

 dfTest$category[indx] <- dfBase$rank[indx]
 dfTest
 #    category    id rank
 #1        1   500    1
 #2        1 10000    2
 #3        3  8000    3
 #4        2 10000    1
 #5        2  8000    2
 #6        2   500    3

如果有多个要比较的列（> 2），则可以使用Reduce

v1 <- c('category', 'id')
indx1 <- Reduce(`&`, lapply(v1, function(x) dfBase[,x]==dfTest[,x]))
dfTest$category[indx1] <- dfBase$rank[indx1]

基准测试

使用原始数据集

df1 <- dfBase[rep(1:nrow(dfBase),1e5),]
df2 <- dfTest[rep(1:nrow(dfTest),1e5),]

f1 <- function() {df2$category <- ifelse(df1$category==df2$category &
                        df1$id==df2$id, df1$rank, df2$category)}

 f2 <- function() { indx <- df1$category==df2$category & df1$id==df2$id
                   df2$category[indx] <- df1$rank[indx]
                 }  

 library(microbenchmark)
 microbenchmark(f1(), f2(), unit="relative")
 #Unit: relative
 #expr      min       lq     mean   median       uq      max neval
 #f1() 3.746782 3.967783 3.698517 3.850763 3.435416 2.224864   100
 #f2() 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000   100

Answer 2

尝试：

dfTest$category<-ifelse(dfBase$category==dfTest$category & dfBase$id==dfTest$id, dfBase$rank, dfTest$category)