使用 R 将一个 dataframe 的每一行与另一个 dataframe 中的一行进行比较

Question

我是 R 的新手，我一直在寻找问题的答案，但没有找到。 我想比较两个数据框。

library(dplyr)
library(gtools)

v1 <- LETTERS[1:10]

combinations_from_4_letters <- (as.data.frame(combinations(n = 10, r = 4, v = v1),
stringsAsFactors = FALSE))
combinations_from_4_letters$group <- rep(1:15, each = 14)
combinations_from_2_letters <- (as.data.frame(combinations(n = 10, r = 2, v = v1),
stringsAsFactors = FALSE))

Dataframe 'combinations_from_4_letters' 包含可以由 10 个字母组成的所有组合，无需重复和排列。 这些组合被分为 1-15 组。 我想知道在每个组（基本上是频率表）中找到 10 个字母对（保存在 dataframe 'combinations_from_2_letters' 中）的频率。 我开始对两个数据帧进行一个复杂的循环，但我认为必须有一个更“R”的解决方案，类似于比较 dataframe 和一个向量，例如：

combinations_from_4_letters %in% combinations_from_2_letters[i,])

预先感谢您的帮助！

Answer 1

我推荐如下方法：

# adding dummy column for a complete cross-join
combinations_from_4_letters = combinations_from_4_letters %>%
  mutate(ones = 1)
combinations_from_2_letters = combinations_from_2_letters %>%
  mutate(ones = 1)

joined = combinations_from_2_letters %>%
  inner_join(combinations_from_4_letters, by = "ones") %>%
  # comparison goes here
  mutate(within = ifelse(comb2 %in% comb4, 1, 0)) %>%
  group_by(comb2) %>%
  summarise(freq = sum(within))

您可能需要进行修改以确保它与确切的列名和您的比较条件相匹配。

关键思想：

• 添加填充列，以便我们有一个完整的交叉连接
• 为两个字母对是否在四个字母对中改变一个新的指示列
• 两个字母对上的总和指标