数据框中的匹配列基于其他数据框中的列中的值

Question

我有两个数据帧第一个是df1，具有485513列和100行，

head(df1)

sample  cg1 cg2 cg3 cg4 cg5 cg6 cg7 cg8 cg9 cg10    cg11
AAD_1   33435   33436   33437   33438   33439   33440   33441   33442   33443   33444   33445
AAD_2   0.33    1.33    2.33    3.33    4.33    5.33    6.33    7.33    8.33    9.33    10.33
AAD_3   0.56    1.56    2.56    3.56    4.56    5.56    6.56    7.56    8.56    9.56    10.56
AAD_4   45.9    46.9    47.9    48.9    49.9    50.9    51.9    52.9    53.9    54.9    55.9
AAD_5   46.9    47.9    48.9    49.9    50.9    51.9    52.9    53.9    54.9    55.9    56.9
AAD_6   47.9    48.9    49.9    50.9    51.9    52.9    53.9    54.9    55.9    56.9    57.9
AAD_7   48.9    49.9    50.9    51.9    52.9    53.9    54.9    55.9    56.9    57.9    58.9
AAD_8   49.9    50.9    51.9    52.9    53.9    54.9    55.9    56.9    57.9    58.9    59.9
AAD_9   50.9    51.9    52.9    53.9    54.9    55.9    56.9    57.9    58.9    59.9    60.9
AAD_10  51.9    52.9    53.9    54.9    55.9    56.9    57.9    58.9    59.9    60.9    61.9

第二个具有df2 84行和单列。 我的目标是使用df2数据框中的列中的值来获取df1的子集。

head(df2)
    ID
    cg1
    cg2
    cg3
    cg4
    cg5

df2的值是我感兴趣的df1的列名，因此我在R中尝试了以下单一代码。

> UP=(df1 %>% as.data.frame)[,df2$ID]

Up数据框向我返回查询df2中不匹配的列

并导致数据框UP具有84列和100行，但上述命令行返回的所有列均与输入查询数据帧df2不匹配。

如果有人建议我替代解决方案，那就太好了

Answer 1

假设df2是一个Series：

>>> df[df2.tolist()]

        cg1       cg2       cg3       cg4       cg5
0  33435.00  33436.00  33437.00  33438.00  33439.00
1      0.33      1.33      2.33      3.33      4.33
2      0.56      1.56      2.56      3.56      4.56
3     45.90     46.90     47.90     48.90     49.90
4     46.90     47.90     48.90     49.90     50.90
5     47.90     48.90     49.90     50.90     51.90
6     48.90     49.90     50.90     51.90     52.90
7     49.90     50.90     51.90     52.90     53.90
8     50.90     51.90     52.90     53.90     54.90
9     51.90     52.90     53.90     54.90     55.90

如果它是一个数据框，那么这应该起作用：

df[df2.ID.tolist()]

Answer 2

在R ，我们可以做

df[as.character(df2$ID)]

假设“ ID”列为factor 。 如果是character类，则更容易

df[df2$ID]

但是，如果“ ID”中的某些元素不在“ df”的列名中，则最好使用intersect

df[intersect(colnames(df), df2$ID)]

---

如果'df'是data.table ，则子集列的通常方法是包括with =FALSE 。 它在?data.table提到

同

默认情况下，with = TRUE，并且j在x的框架内求值； 列名称可用作变量。

当with = FALSE j是列名称的字符向量时，要选择的列位置的数字向量或格式为startcol：endcol，并且返回的值始终是data.table。 with = FALSE通常在data.table中非常有用，可以动态选择列。 请注意，x [，cols，with = FALSE]等效于x [，.SD，.SDcols = cols]。

因此，以上命令将是

 df[, as.character(df2$ID), with = FALSE]

要么

 df[, df2$ID, with = FALSE] #if 'ID' is already character class.

要么

 df[, intersect(colnames(df), df2$ID), with = FALSE]