如何使用多列和一個“可能”列在 R 中使用 left_join 進行匹配

Question

我試圖在 R 中的兩個不同數據幀之間進行匹配。

例如，一個數據框如下所示：

df1<- data.frame(description=c("sol 100ml","200 mg","1.5 ml","10MG"),
                 pa=c("clorbetazol","Milk","Aciclovir","AAC"),
                 atc=c("x1","a2","a3","x3"))

 description          pa atc
   sol 100ml clorbetazol  x1
      200 mg        Milk  a2
      1.5 ml   Aciclovir  a3
        10MG         AAC  x3

另一個看起來像：

df2 <-data.frame(Concentration=c("100","200","1.5","10"),
                 pa=c("clorbetazol","Milk","Aciclovir","AAC"),
                 atc=c("x1","a2","a3","x3"),
                 code=c("A101","A202","A303","A404"))

  Concentration          pa atc code
            100 clorbetazol  x1 A101
            200        Milk  a2 A202
            1.5   Aciclovir  a3 A303
             10         AAC  x3 A404

我的問題是：有一種方法可以與列“pa”、“atc”進行匹配，並以某種方式（使用 GREPL 或其他方式）使用“concentration”列來進行左連接或合並？

最后我想得到這個：

 description          pa atc  code
   sol 100ml clorbetazol  x1  A101
      200 mg        Milk  a2  A202
      1.5 ml   Aciclovir  a3  A303
        10MG         AAC  x3  A404

我想知道是否有人可以幫助我。

謝謝！

Answer 1

您可以使用正則表達式來提取數字，然后將其與左連接匹配：

library(dplyr)

df1 %>% 
  mutate(Concentration = gsub("^.*?(\\d+(\\.)?(\\d+)?).*$", "\\1", description)) %>%
  left_join(df2, by = c("pa", "atc", "Concentration")) %>%
  select(-Concentration)
#>   description          pa atc code
#> 1   sol 100ml clorbetazol  x1 A101
#> 2      200 mg        Milk  a2 A202
#> 3      1.5 ml   Aciclovir  a3 A303
#> 4        10MG         AAC  x3 A404

Answer 2

將gsub與正則表達式一起使用，然后merge 。

res <- merge(transform(df1, Concentration=gsub("[^\\d\\.]", "",
                                               description, perl=TRUE)),
      df2, all=TRUE)[-3]
res
#            pa atc description code
# 1         AAC  x3        10MG A404
# 2   Aciclovir  a3      1.5 ml A303
# 3 clorbetazol  x1   sol 100ml A101
# 4        Milk  a2      200 mg A202