如何根据 R 中另一个数据框中的值过滤数据框

Question

我有两个数据框，但无法根据另一个数据框的值进行过滤。

例子：

df1 有一堆列，但 A 列是最重要的，因为它对应于 df2 中的值。 A 列如下所示：

A
1
5
1
5
1

df2 看起来像这样：

A	B
1	0.92
5	0.02
1	0.18
5	0.87
1	0.46

对于 df1 中每一行中的 A 值，我想找到 B（在 df2 中）高于 0.5 的次数除以该行的 A 值出现在 df2 中的次数。所以在 df1 中，我想要一个名为 C 的新列，在本例中如下所示：

C
0.33
0.5
0.33
0.5
0.33

我的尝试代码如下：

df1$C <- (df2 %>% filter(A == df1$A & B > 0.5) %>% summarize(n()))/(df2 %>% filter(A == df1$A) %>% summarize(n()))

如果我尝试这样做，但将 df1$A 替换为任意数字而不是参考，它工作正常。但是，当我尝试对 df1 中的每一行使用引用时，我收到一条错误消息。

Answer 1

您需要将它们按A 分组，然后我们可以使用双inner_join。

数据：

df1 <- data.frame(A=c(1,5,1,5,1))
df2 <- data.frame(A=c(1,5,1,5,1), B=c(0.92,0.02,0.18,0.87,0.46))

解决方案：

df1 %>%
  inner_join(df2 %>% 
               filter(A == df1$A & B > 0.5) %>%
               group_by(A)%>%
               summarize(count=n())) %>%
  inner_join(df2 %>% 
               filter(A == df1$A) %>%
               group_by(A)%>%
               summarize(A_count=n())) %>%
  mutate(C= count/A_count) %>%
  select(A,C)-> df1

输出：

 A         C
1 1 0.3333333
2 5 0.5000000
3 1 0.3333333
4 5 0.5000000
5 1 0.3333333