比较一个数据框中多行中的一个值与第二个数据框中多行中的值答案

【问题标题】：Comparing one value across multiple rows in one data frame with values across multiple rows in a second data frame比较一个数据框中多行中的一个值与第二个数据框中多行中的值
【发布时间】：2018-10-25 17:11:19
【问题描述】：

场景：

2 列 dataframe_1（300,000 行）

head(dataframe_1):

CHR 位置

1 2000

1 3000

2 1500

3 3000

3 列 dataframe_2（300 行）

head(dataframe_2):

CHR POS_START POS_END

1 1500 2500

1 3200 4000

2 1200 1600

2 2000 2200

3 5000 5500

4 1000 1200

目标是获取 dataframe_1 并将每一行的 POS 列与 dataframe_2（列 POS_START 和 POS_END）进行比较，并返回一个向量（length = nrow(dataframe_1)），该向量指示 dataframe_1 的哪一行列出了其中的 POS 值dataframe_2 中指示的范围。请注意，每个 POS 值都与特定的 CHR 值相关联。

返回向量示例：

CHR POS 示例_RETURN_VECTOR

1 2000 正确

1 3000 错误

2 1500 正确

3 3000 错误

这里最好的策略是什么？

谢谢！

【问题讨论】：

标签： r

【解决方案1】：

这是dplyr的答案：

library(dplyr)

df1 <- tribble(
     ~CHR, ~POS,
     1,  2000,                  
     1,  3000,
     2,  1500,
     3,  3000
)

df2 <- tribble(
     ~CHR, ~POS_START, ~POS_END,
     1, 1500, 2500,                  
     1, 3200, 4000,
     2, 1200, 1600,
     2, 2000, 2200,
     3, 5000, 5500,
     4, 1000, 1200
)

df1 %>% 
     left_join(df2, by = 'CHR') %>% 
     mutate(IN_RANGE = POS >= POS_START & POS <= POS_END) %>% 
     group_by(CHR, POS) %>% 
     summarize(IN_RANGE = sum(IN_RANGE) > 0)

【讨论】：

谢谢！这正是我想要的。
@RobertDurruthy-Durruthy 太棒了！你能接受我的回答吗？

【解决方案2】：

我们可以假设每个CHR 值只出现一次吗？我们是否也可以假设出现在dataframe_1 中的每个CHR 值也在dataframe_2 中，反之亦然？我们是否还可以假设两个表都按CHR 值排序？如果是这样，您可以像这样创建一个新列：

dataframe_1['NEW_COLUMN'] = dataframe_1.POS >= dataframe_2.POS_START & dataframe_1.POS <= dataframe_2.POS_END

如果您不能做出所有这些假设，那么您可以：

1) 合并具有匹配CHR 值的两个表，过滤掉缺少数据的行，然后创建新列，或者

2) 循环遍历dataframe_1 的每一行，并将每一行的POS 值与dataframe_2[dataframe_2.POS_START == dataframe_1.POS_START] 和dataframe_2[dataframe_2.POS_END == dataframe_1.POS_END] 的值进行比较

【讨论】：