使用 base 或 dplyr 在几列上过滤数据框

Question

我正在尝试根据另一个数据报中的列过滤数据帧的行。基本上，我想提取位置在开始和结束之间的具有相同 ID 的行。还有一个额外的技巧是 ID 的格式不同。
最后，脚本中涉及的数据量很大，因此无论是节省内存还是速度都很好。
将不胜感激得到一些提示。

library(dplyr)

df1 <- data.frame(id = c(1, 1, 1, 2, 2, 2, 3, 3, 3), 
                  pos = c(30, 40, 50, 35, 45, 55, 60, 63, 39))

df2 <- data.frame(idstr = c("id1", "id1", "id3", "id4", "id4"), 
                  start=c(30, 20, 30, 40, 20 ),
                  end = c(40, 30, 50, 60, 45))

df.base <- df1[ paste0("id", df1$id) == df2$idstr && 
                 df1$pos >= df2$start &&
                 df1$pos <= df2$end,]

df.dplyr <- df1 %>%
            left_join(df2, by  = c('id' == 'idstr') ) %>%
            filter(pos >= start & pos <= end) %>%
            select(id, pos)

编辑： 预期输出，来自 df1 的行满足条件（它们的位置在具有相同 id 的 df2 范围内），所以如果没有错误： 身份，位置
1、30
1、40
3、39

解释：例如，df1[3,] id == 1 和 pos == 50 查看 df2，没有 df2$id == "id1" 且 df2$start = 50 的行，因此 df1[3,] 将被过滤掉。

Answer 1

我们可以在data.table 中使用非等值连接。在两个数据集中创建类似的“id”，然后加入on“id”列，并使用“pos”和“start”、“end”列进行非等连接

library(data.table)
setDT(df1)[, id := paste0('id', id)]
df1[df2, on = .(id = idstr, pos >= start, pos <= end)]

Answer 2

我已通过提取数字将您的 2 个 DF df1 和 df2，从 df2 变异的列 idstr 转换为数字。然后用left_join、group_by 和filter 得到结果。

library(dplyr)


df1 <- data.frame(id = c(1, 1, 1, 2, 2, 2, 3, 3, 3), pos = c(30, 40, 50, 35, 45, 55, 60, 63, 39))

df2 <- data.frame(idstr = c("id1", "id1", "id3", "id4", "id4"), 
                  start=c(30, 20, 30, 40, 20 ),
                  end = c(40, 30, 50, 60, 45))


df2 %>% 
  mutate(idstr = as.numeric(stringr::str_extract(idstr, '[0-9]'))) %>% 
  left_join(df1, by = c('idstr' = 'id')) %>% 
  dplyr::filter(pos >= start & pos <= end)
#> # A tibble: 4 x 4
#> # Groups:   idstr [2]
#>   idstr start   end   pos
#>   <dbl> <dbl> <dbl> <dbl>
#> 1     1    30    40    30
#> 2     1    30    40    40
#> 3     1    20    30    30
#> 4     3    30    50    39

---

有一个df1$id == 1 适合df2 中的2 个起始位置。因此它必须是 id = 1 的 3 个位置。 如果其中一个限制是排他性的 - 就像下面的代码一样 - 它符合您的愿望。

df2 %>% 
  mutate(idstr = as.numeric(stringr::str_extract(idstr, '[0-9]'))) %>% 
  left_join(df1, by = c('idstr' = 'id')) %>% 
  dplyr::filter(pos > start & pos <= end)

#>   idstr start end pos
#> 1     1    30  40  40
#> 2     1    20  30  30
#> 3     3    30  50  39