比较一个或两个数据帧 r 中的多列答案

【问题标题】：compare multiple columns in one or two data frames r比较一个或两个数据帧 r 中的多列
【发布时间】：2020-01-31 04:41:56
【问题描述】：

我有一个数据框：

name<-c('a','b','c','d','e')
type<-c('x','x','y','x','y')
chr<- c('ch1','ch1','ch1','ch2','ch2')
pos<- c(5000, 5100, 4999,5500,5100)
df<-data.frame(name,type, chr,pos)

我想遍历每一行，如果类型不相等，并且 chr 相等，并且 pos 在 abs(100) 内，然后使用匹配项创建一个新的 df （使用匹配名称的新列）。对于上述 df 行 1 和 3 将匹配，结果将是

理想情况下我不想要互惠匹配，所以我想要

如果更容易我可以根据类型分成两个dfs。

我尝试了合并和过滤器 (dplyr) 的变体，但无处可去。

【问题讨论】：

标签： r

【解决方案1】：

我们可以根据type列拆分数据，做一个full_joinby'chr'列和filterpos列之间绝对值小于100的行。

library(dplyr)

df %>%
  group_split(type) %>%
  purrr::reduce(full_join, by = 'chr') %>%
  filter(abs(pos.x - pos.y) < 100)

# A tibble: 1 x 7
#  name.x type.x chr   pos.x name.y type.y pos.y
#  <fct>  <fct>  <fct> <dbl> <fct>  <fct>  <dbl>
#1  a      x      ch1    5000 c      y       4999

然后您可以删除任何不需要的列并根据您的要求重命名它们。

【讨论】：

【解决方案2】：

我相信这里的其他人会想出比行切片更优雅的东西，但如果你有一个包含所有匹配项的完整数据框，这似乎可行：

library(tidyverse)

find_matches <- function(i) {
  row_of_interest <- df[i, ]
  df_rest <- df[-i, ]
  names(df_rest) <- str_c(names(df_rest), ".x")

  df_rest %>% 
    cbind(row_of_interest) %>% 
    filter(type != type.x, abs(pos - pos.x) < 100) %>% 
    transmute(name, type, chr, pos, match = name.x)
}

map_dfr(1:5, find_matches)

  name type chr  pos match
1    a    x ch1 5000     c
2    b    x ch1 5100     e
3    c    y ch1 4999     a
4    e    y ch2 5100     b

【讨论】：

【解决方案3】：

data.table 选项使用非等连接，对于大型数据集应该更快：

library(data.table)
setDT(df)[, c("s", "e") := .(pos - 100, pos + 100)]

#perform non-equi join based on desired conditions
pair <- df[df, on=.(chr, s<=pos, e>=pos), nomatch=0L,
    .(name=i.name[x.type!=i.type], match=x.name[x.type!=i.type])]

#extract rows with matches while removing reciprocals
df[unique(pair[, .(name=pmin(name, match), match=pmax(name, match))]), on=.(name)]

输出：

   name type chr  pos    s    e match
1:    a    x ch1 5000 4900 5100     c

【讨论】：