使用来自第二个数据帧的值过滤数据帧[重复]答案

【问题标题】：Filter dataframe with values from second dataframe [duplicate]使用来自第二个数据帧的值过滤数据帧[重复]
【发布时间】：2018-07-23 13:32:50
【问题描述】：

我有两个数据框 a 和 b。

a 可以是 2000-3000 行，15 列。

b 是一个小型数据框（2 列，150 行）。

下面是一个简化的数据集。

   a <- structure(list(ID = structure(c(1L, 2L, 1L, 3L, 2L, 1L, 3L), .Label = c("ID1", 
    "ID2", "ID3"), class = "factor"), score = structure(c(4L, 5L, 
    3L, 6L, 7L, 1L, 2L), .Label = c("10", "110", "20", "28", "34", 
    "80", "90"), class = "factor"), desc = structure(c(1L, 1L, 1L, 
    1L, 1L, 1L, 1L), class = "factor", .Label = "text")), .Names = c("ID", 
    "score", "desc"), row.names = c(NA, -7L), class = "data.frame")

  b <- structure(list(ID = structure(1:3, .Label = c("ID1", "ID2", "ID3"
), class = "factor"), cutoff = structure(1:3, .Label = c("12", 
"46", "54"), class = "factor")), .Names = c("ID", "cutoff"), row.names = c(NA, 
-3L), class = "data.frame")

我想使用数据框 b 中的分数过滤数据框 a。例如，在数据帧 b 中，ID“ID1”的截止值为 12，所以我只想让数据帧 a 中的 ID1 保持在 12 以上或等于 12。我想对所有 IDS 执行此操作。

> a
   ID score desc
1 ID1    28 text
2 ID2    34 text
3 ID1    20 text
4 ID3    80 text
5 ID2    90 text
6 ID1    10 text
7 ID3   110 text
> b
   ID cutoff
1 ID1     12
2 ID2     46
3 ID3     54

鉴于数据帧 b 中的截止值，最终数据帧 a 应保持如下：

> a
   ID score desc
1 ID1    28 text
2 ID1    20 text
3 ID3    80 text
4 ID2    90 text
5 ID3   110 text

【问题讨论】：

你试过什么？这是一个简单的合并和过滤问题，请参阅一些教程。另外，请将数字存储为数字。

标签： r

【解决方案1】：

以 R 为基数：

subset(merge(a,b),as.numeric(as.character(score)) > as.numeric(as.character(cutoff)),1:3)
#    ID score desc
# 1 ID1    28 text
# 2 ID1    20 text
# 5 ID2    90 text
# 6 ID3    80 text
# 7 ID3   110 text

或者使用 dplyr：

library(dplyr)
a %>%
  left_join(b) %>%
  filter(as.numeric(as.character(score)) > as.numeric(as.character(cutoff))) %>%
  select(-cutoff)

#    ID score desc
# 1 ID1    28 text
# 2 ID1    20 text
# 3 ID3    80 text
# 4 ID2    90 text
# 5 ID3   110 text

【讨论】：

固定的谢谢，在里面插入as.character

【解决方案2】：

这是一个基本的 R 选项：

df <- merge(a, b, by="ID")
index <- as.numeric(levels(df$score))[df$score] >
    as.numeric(levels(df$cutoff))[df$cutoff]
df[index, -which(names(df) %in% c("cutoff"))]

   ID score desc
1 ID1    28 text
2 ID1    20 text
5 ID2    90 text
6 ID3    80 text
7 ID3   110 text

Demo

注意：将您的因子分数和截止值转换为数值需要做一些工作。除非您计划有许多重复值，否则请考虑使用数字类型来存储此信息。

【讨论】：

【解决方案3】：

您可以尝试以下方法。我们首先将 score 和 cutoff 列转换为数值，因为它们现在是因子。然后我们从数据帧中提取子集，使用match 为a 中的每个条目从b 中找到相应的截止值。

a$score = as.numeric(as.character(a$score))
b$cutoff= as.numeric(as.character(b$cutoff))
subset(a,score>=b$cutoff[match(a$ID,b$ID)])

输出：

   ID score desc
1 ID1    28 text
3 ID1    20 text
4 ID3    80 text
5 ID2    90 text
7 ID3   110 text

希望这会有所帮助！

【讨论】：