【发布时间】：2013-09-21 08:01:39
【问题描述】：
昨晚回答this question，我花了一个小时试图找到一个没有在for循环中增加data.frame的解决方案，但没有任何成功，所以我很好奇是否有更好的方法关于这个问题。
问题的一般情况归结为：
- 合并两个
data.frames -
data.frame中的条目可以在另一个中有 0 个或多个匹配条目。 - 我们只关心在两者之间有 1 个或多个匹配项的条目。
- match 函数很复杂，涉及
data.frames 中的多个列
对于一个具体的例子，我将使用与链接问题类似的数据：
genes <- data.frame(gene = letters[1:5],
chromosome = c(2,1,2,1,3),
start = c(100, 100, 500, 350, 321),
end = c(200, 200, 600, 400, 567))
markers <- data.frame(marker = 1:10,
chromosome = c(1, 1, 2, 2, 1, 3, 4, 3, 1, 2),
position = c(105, 300, 96, 206, 150, 400, 25, 300, 120, 700))
还有我们复杂的匹配函数：
# matching criteria, applies to a single entry from each data.frame
isMatch <- function(marker, gene) {
return(
marker$chromosome == gene$chromosome &
marker$postion >= (gene$start - 10) &
marker$postion <= (gene$end + 10)
)
}
对于isMatch 为TRUE 的条目，输出应类似于两个data.frame 的sql INNER JOIN。
我尝试构建两个data.frames，以便在另一个data.frame 中可以有0 个或多个匹配项。
我想出的解决方案如下：
joined <- data.frame()
for (i in 1:nrow(genes)) {
# This repeated subsetting returns the same results as `isMatch` applied across
# the `markers` data.frame for each entry in `genes`.
matches <- markers[which(markers$chromosome == genes[i, "chromosome"]),]
matches <- matches[which(matches$pos >= (genes[i, "start"] - 10)),]
matches <- matches[which(matches$pos <= (genes[i, "end"] + 10)),]
# matches may now be 0 or more rows, which we want to repeat the gene for:
if(nrow(matches) != 0) {
joined <- rbind(joined, cbind(genes[i,], matches[,c("marker", "position")]))
}
}
给出结果：
gene chromosome start end marker position
1 a 2 100 200 3 96
2 a 2 100 200 4 206
3 b 1 100 200 1 105
4 b 1 100 200 5 150
5 b 1 100 200 9 120
51 e 3 321 567 6 400
这是一个相当丑陋和笨拙的解决方案，但我尝试的任何其他方法都失败了：
- 使用
apply，给了我一个list，其中每个元素都是一个矩阵， 无法rbind他们。 - 我不能先指定
joined的尺寸，因为我没有 知道我最终需要多少行。
我相信我以后会想出这个一般形式的问题。那么解决这类问题的正确方法是什么？
【问题讨论】：
-
当我运行你的代码时，我得到的输出 (
joined) 没有任何意义，你能展示你对演示输出的期望吗？ -
哎呀！有一个错误（
>=在一个实例中应该是<=）。修复并更新了我得到的输出。
标签： r merge data.table