比较两个不同数据框中的 3 列，并根据比较结果采取行动

Question

我正在尝试比较两个不同数据框中的 3 列，并根据比较结果更新“标志”。

例如，

df_1 <- data.frame(x=seq(1,5,1),y=seq(1.5,5.5,1),z=LETTERS[1:5],Flag=0)

df_2 <- data.frame(l=c(1.2,10,3.2,5,5.2),k=c("A","F","P","D","E"))

如果 df_2 的按行元素 (col=l) 位于 df_1 的按行元素 (cols =x, y) 之间并且 df_1 中的按行元素 (col=z) 与 df_2 的按行元素匹配(col = k)，然后标志更新为 1，否则为 0。所以预期的 output 是

到目前为止我的代码：

df_1 %>% mutate(Flag=map_chr(
  .x=c(as.character(df_1$z),as.numeric(df_1$x),as.numeric(df_1$y)),
  .f= ~if_else(condition = all(.x == as.character(df_2$k) & x >= as.numeric(df_2$l)& x<=as.numeric(df_2$k)),true="1",false="0")
))

错误： mutate()错误：！ 计算Flag = map_chr(...)时出现问题。 ✖ Flag的大小必须为 5 或 1，而不是 15。运行rlang::last_error()以查看错误发生的位置。 有 15 个警告（使用 warnings() 查看它们）

warnings()

警告消息：1：计算Flag = map_chr(...)时出现问题。 ℹ 强制转换 2 引入的 NA：计算Flag = map_chr(...)时出现问题。 ℹ 强制转换 3 引入的 NA：计算Flag = map_chr(...)时出现问题。 ℹ 强制引入的 NA... 15 次 由于数据帧非常大，我试图避免循环。

非常感谢@zephryl 回答我原来的问题（上图）

此问题的一个变体是：将 df_1 中的一行与 df_2 中的所有行进行比较，并相应地标记为“递增”。

例如，df_1

df_2

预计 output

提前致谢！

我试图避免循环，因为 dataframe 很大

我已经使用循环解决了

for(i in seq(1,nrow(df_1_new),1))
   {for(j in seq(1,nrow(df_2),1))
      {if(df_1_new$z[i] == df_2$k[j] & df_1_new$x[i] <= df_2$l[j] & 
       df_1_new$y[i] >= df_2$l[j])
          {df_1_new$Flag[i] = df_1_new$Flag[i]+1}}}

有更好的方法吗？

Answer 1

对于您的第一个问题，无需使用map()或循环，由于向量化操作，您可以直接测试您的条件：

df_1$Flag <- ifelse(df_2$l >= df_1$x & df_2$l <= df_1$y & df_1$z == df_2$k, 1, 0)

或者，

df_1$Flag <- with(cbind(df_1, df_2), ifelse(l >= x & l <= y & z == k, 1, 0))

或者，

library(dplyr)

df_1 <- df_1 %>% 
  mutate(Flag = if_else(df_2$l >= x & df_2$l <= y & z == df_2$k, 1, 0))

所有 3 种方法的结果：

#> df_1
  x   y z Flag
1 1 1.5 A    1
2 2 2.5 B    0
3 3 3.5 C    0
4 4 4.5 D    0
5 5 5.5 E    1

对于第二个问题，您可以使用purrr::pmap_dbl() df_1的x 、 y和z 。 （请注意，我将df_2_2的第二个版本重命名为df_2 ，因为它具有不同的值。）

library(dplyr)
library(purrr)

df_1 %>% 
  mutate(Flag = pmap_dbl(
    list(x, y, z),
    \(x, y, z) sum(df_2_2$l >= x & df_2_2$l <= y & z == df_2_2$k)
  ))

  x   y z Flag
1 1 1.5 A    2
2 2 2.5 B    0
3 3 3.5 C    2
4 4 4.5 D    0
5 5 5.5 E    0