比较 R 中 2 个不同数据帧中的多列

Question

我正在尝试比较 R 中两个不同数据帧中的多个列。这在之前的论坛上已经解决（ 比较两列的组并返回索引匹配 R ）但这是一个不同的场景：我试图比较列是否在dataframe 1位于dataframe 2的 2 列范围之间。 match, merge, join, intersect等功能在这里不起作用。 我一直在尝试使用purr::pluck但没有走多远。 数据帧具有不同的大小。

下面是一个例子：

temp1.df <- mtcars

temp2.df <- data.frame(
  Cyl = sample (4:8, 100, replace = TRUE),
  Start = sample (1:22, 100, replace = TRUE),
  End = sample (1:22, 100, replace = TRUE)
)

temp1.df$cyl <- as.character(temp1.df$cyl)
temp2.df$Cyl <- as.character(temp2.df$Cyl)

我的尝试：

temp1.df <- temp1.df %>% mutate (new_mpg = case_when (
  temp1.df$cyl %in% temp2.df$Cyl & temp2.df$Start <= temp1.df$mpg & temp2.df$End >= temp1.df$mpg ~ 1
))

错误：

Error in mutate_impl(.data, dots) : 
  Column `new_mpg` must be length 32 (the number of rows) or one, not 100

预期结果：

1. 比较 temp1.df$cyl 和 temp2.​​df$Cyl。 如果它们匹配，则 -->
2. 检查 temp1.df$mpg 是否在 temp2.​​df$Start 和 temp2.​​df$End 之间 -->
3. 如果是，则创建一个值为 1 的新变量 new_mpg。

在这里很难显示确切的预期输出。

我意识到我可以为temp1.df每一行循环这个，但原始temp2.df有超过 250,000 行。 一个有效的解决方案将不胜感激。

谢谢

Answer 1

temp1.df$new_mpg<-apply(temp1.df, 1, function(x) {
  temp<-temp2.df[temp2.df$Cyl==x[2],] 
  ifelse(any(apply(temp, 1, function(y) {
    dplyr::between(as.numeric(x[1]),as.numeric(y[2]),as.numeric(y[3]))
  })),1,0)
})

请注意，这对实际数据的组织做出了一些假设（特别是，我无法调用apply的列名，因此我使用了索引 - 这可能会发生很大变化，因此您可能想要重新排列数据在接收它和调用apply ，或者可能在apply改变它的组织，例如，通过apply(temp1.df[,c("mpg","cyl")]... 。

无论如何，这会将您的数据集分成几行，并将每一行与具有相同 Cyl 计数的第二个数据集的子集进行比较。 在这个子集，它会检查是否any的MPG此行的下降between （从dplyr ） Start和End ，并返回1，如果是（或者0，如果没有）。 然后所有这些 1 和 0 作为（命名）向量返回，可以放入temp1.df$new_mpg 。

我猜有一种方法可以用rowwise做到这rowwise ，但我永远无法让它正常工作......