基于嵌套成员有条件地连接 R 表答案

【问题标题】：Conditionally join R tables based on nested membership基于嵌套成员有条件地连接 R 表
【发布时间】：2021-11-21 19:22:12
【问题描述】：

考虑这个包含 3 个县、3 个城镇以及与其相关联的一系列邮政编码的嵌套数据框示例。其中两个城镇同名 (B)，但位于不同的县：

df <- tibble(
  county = c(1,1,1,2,2,2,2,3),
  town = c("A","A","A","B","B","B","B","B"),
  zip = c(12864,12865,12866,89501,89502,89503,89504,76512)) %>% 
  nest(data=c(zip))

我有另一个包含城镇名称、邮政编码和占位符值的数据框，但缺少县字段：

df2 <- tibble(
  town = c("A", "B", "B"),
  zip = c(12866, 89504, 76512),
  value = c("foo", "bar", "ski"))

我的真实数据有数百个这些重复城镇名称的实例，我需要将这两个表连接在一起，以便每个城镇根据邮政编码（不是城镇名称，它有重复）获得正确的占位符值。然而，dplyr 似乎只是to join on equality。因此，我被困住了 - 我所追求的是 inner_join(df, df2, by = c(df2$zip %in% df$data$zip)) 之类的东西，但这显然行不通。

我也知道data.table 能够handle inequality in joins，但这似乎总是与大于/小于条件有关。在数据帧之间有 3 个以上整齐匹配的行的情况下，如何成功连接这些表以返回以下输出？

  county town  data             value
   <dbl> <chr> <list>           <chr>
1      1 A     <tibble [3 x 1]> foo  
2      2 B     <tibble [4 x 1]> bar  
3      3 B     <tibble [1 x 1]> ski

【问题讨论】：

标签： r join dplyr data.table

【解决方案1】：

我们可以通过map 做到这一点

library(purrr)
library(dplyr)
df %>% 
    mutate(value = map_chr(data, ~ inner_join(.x, df2, by = 'zip') %>% 
          pull(value)))

-输出

# A tibble: 3 × 4
  county town  data             value
   <dbl> <chr> <list>           <chr>
1      1 A     <tibble [3 × 1]> foo  
2      2 B     <tibble [4 × 1]> bar  
3      3 B     <tibble [1 × 1]> ski

或者另一个选项是regex_inner_join

library(fuzzyjoin)
library(stringr)
library(dplyr)
library(purrr)
df %>%
    mutate(zip = map_chr(data, ~ str_c(.x$zip, collapse="|"))) %>% 
    regex_inner_join(df2 %>%
          select(-town), by = "zip") %>% 
    select(-starts_with('zip'))

-输出

# A tibble: 3 × 4
  county town  data             value
   <dbl> <chr> <list>           <chr>
1      1 A     <tibble [3 × 1]> foo  
2      2 B     <tibble [4 × 1]> bar  
3      3 B     <tibble [1 × 1]> ski

【讨论】：

【解决方案2】：

我认为你必须“自己加入”：

df %>% mutate(value = df2$value[
  sapply(data, function(x) match(unlist(x), df2$zip) %>% .[!is.na(.)])
  ])

这适用于提供的示例，但我不清楚在一组 df$data$zip 中是否可以有多个匹配 df2$zip。

【讨论】：