在R中使用两个数据帧中的多行进行过滤[重复]

Question

数据

df1

  col1
1    a
2    a
3    b
4    e

df2

   col1  col2
1   1     a
2   1     c
3   1     c
4   1     e
5   2     a
6   2     b
7   2     b
8   2     e
9   3     a
10  3     a
11  3     b
12  3     e

我想使用 df1 过滤 df2。到目前为止，我有这个代码。

filter(df2, any(col2==df1$col1[1]))

这允许我逐行过滤。 但我想按多行过滤。一次不是整个 df1。我想使用 df1$col1[1:2] 过滤 df2。所以“a”后面跟着“a”。我尝试了以下代码，但收到了此消息。

filter(df2, col2==df1$col1[1] & col2==df1$col1[2])

[1] col1 col2 (或0-length row.names)

理想输出：

df2

   col1  col2
1   3     a
2   3     a
3   3     b
4   3     e

Answer 1

使用与@jaySf 的答案相同的方法，您也可以使用gregexpr。

matchpattern <- unlist(gregexpr(pattern = paste(df1$col1, collapse = ""), 
                                          paste(df2$col2, collapse = "")))
df2[matchpattern:(matchpattern + nrow(df1) - 1),]

#   col1 col2
#9     3    a
#10    3    a
#11    3    b
#12    3    e

或stri_locate 来自stringi。

library(stringi)
index <- unlist(stri_locate(paste(df2$col2, collapse = ""), 
                            fixed = paste(df1$col1, collapse = "")))
df2[index[1]:index[2],]

#   col1 col2
#9     3    a
#10    3    a
#11    3    b
#12    3    e

Answer 2

你可以使用包Biostrings。

df1 <- data.frame(col1=c("a", "a", "b", "e"))
df2 <- data.frame(col1=c(rep(1, 4), rep(2, 4), rep(3, 4)),
                  col2=letters[c(1, 3, 3, 5, 1, 2, 2, 5, 1, 1, 2, 5)])

aabe <- paste0(df1$col1, collapse = "")
cand <- paste0(df2$col2, collapse = "")

# # Install the package
# source("https://bioconductor.org/biocLite.R")
# biocLite("Biostrings")

library(Biostrings)

match <- matchPattern(aabe, cand)
str(matchPattern(aabe, cand))

x1 <- match@ranges@start
x2 <- x1 + match@ranges@width - 1

> df2[x1:x2, ]
   col1 col2
9     3    a
10    3    a
11    3    b
12    3    e