R Studio中的“索引匹配”（多列，跨行）

Question

我正在处理一个相当大的数据集（10 万行），并希望在 R Studio 中复制 Excel 索引匹配函数。

我正在寻找一种方法来创建一个新列，该列将从现有列（“1995_Number”）中提取一个值，如果来自一年的三个不同列的 3 个值与来自另一年的三个列的三个值匹配 - 独立于行，并创建一个新列（“1994_Number”）。

以数据框为例：

dat <- data.frame(`1994_Address` = c("1234 Road", "123 Road", "321 Road"), `1994_ZipCode` = c(99999, 99999, 11111), `1994_Bank Name` = c("JPM", "JPM", "WF"), `1995_Address` = c("123 Road", "1234 Road", "321 Road"), `1995_ZipCode` = c(99999, 99999, 11111), `1995_Bank Name` = c("JPM", "JPM", "WF"), `1995_Number` = c(1, 2, 3), check.names = F, stringsAsFactors = F)

新创建的列 1994_Number 应该是 (2, 1, 3)

Answer 1

一个可能的解决方案包括来自base 的match 函数。与dplyr 一起工作如下：

library(dplyr)
dat <- data.frame(`1994_Adress` = c("1234 Road", "123 Road", "321 Road"),
                  `1994_ZipCode` = c(99999, 99999, 11111),
                  `1994_Bank Name` = c("JPM", "JPM", "WF"),
                  `1995_Adress` = c("123 Road", "1234 Road", "321 Road"),
                  `1995_ZipCode` = c(99999, 99999, 11111),
                  `1995_Bank Name` = c("JPM", "JPM", "WF"),
                  `1995_Number` = c(1, 2, 3), check.names = F, stringsAsFactors = F)
dat %>%
  mutate(`1994_Number` = ifelse(`1994_Adress` %in% `1995_Adress` & 
                                  `1994_ZipCode` %in% `1995_ZipCode` &
                                  `1994_Bank Name` %in% `1995_Bank Name`, 
                                dat[match(dat$`1994_Adress`, dat$`1995_Adress`), "1995_Number"], NA))

#    1994_Adress 1994_ZipCode 1994_Bank Name 1995_Adress 1995_ZipCode 1995_Bank Name 1995_Number 1994_Number
# 1   1234 Road        99999            JPM    123 Road        99999            JPM           1           2
# 2    123 Road        99999            JPM   1234 Road        99999            JPM           2           1
# 3    321 Road        11111             WF    321 Road        11111             WF           3           3