提取满足每行特定条件的第一列答案

【问题标题】：Extracting first column that meets certain criteria for each row提取满足每行特定条件的第一列
【发布时间】：2016-10-11 21:47:30
【问题描述】：

我会尽力解释我在做什么，这有点令人困惑，但我会试一试。基本上我从 2 个数据帧开始。每个包含每个人唯一的行和每个用户两个项目作为列。我的目标是将其转换为 1 个数据框，每个用户有一个唯一行，并且在项目不重复的情况下，这两个数据框中的第一个项目。例如，如果对于第一个数据框中的客户 1，他的项目是“a”和“d”，而在第二个数据框中，他的项目是“a”和“c”，我希望最终数据框是“a”和“c”代表这个客户。我已经编写了一个应用程序来执行此操作，但是当我在大约 160,000 行上执行此操作时，它需要相当多的时间。我希望有人能够为我的问题提出更有效的解决方案。

d1 <- data.frame(id = c("1", "2", "3"), stringsAsFactors = F)
r1 <- data.frame(i1 = c("a", "b", "c"), i2 = c("d", "e", "f"), stringsAsFactors = F)
rownames(r1) = d1$id
r2 <- data.frame(i1 = c("a", "c", "f"), i2 = c("c", "t", "l"), stringsAsFactors = F)
rownames(r2) = d1$id

dFinal <- data.frame(id = d1$id, r1 = "", r2 = "", stringsAsFactors = F)

dFinal$r1 = apply(dFinal, 1, function(x){r1[rownames(r1) == x["id"], "i1"]})
dFinal$r2 = apply(dFinal, 1, function(x){r2[rownames(r2) == x["id"], which(!r2[rownames(r2) == x["id"],c("i1","i2")] %in% x["r1"])[1]]})

【问题讨论】：

嗯，我可以看到合并工作，但是我不确定合并的一个部分是如何在合并后选择正确的列。假设 r1 和 r2 将 id 作为列而不是行名。 dInter <- merge(r1,r2, by = "id") 但是我不知道如何从只选择正确列的应用中复制逻辑
在你的例子中，为什么是 a 和 c 而不是 a 和 d？还有其他标准吗？
@Parfait 我想从每个数据帧中取出前一个数据帧中不存在的第一个可用列。因此，从第一个数据框中选择第一列 a 然后对于第二个数据框中的相同 id 选择 a 和 c，由于 a 已用于第一个数据帧，因此选择 c。

标签： r for-loop apply

【解决方案1】：

以下内容是否符合您的要求：

# Keep only first column of first data.frame
df <- cbind(d1,r1,r2)[,-3]
names(df) <- c("id","r1_final","r2_i1","r2_i2")
df$r2_final <- df$r2_i1

# Keep only second column of second data.frame
# if the value in the first column is found in first data.frame
df[df$r1_final == df$r2_i1,"r2_final"] <- df[df$r1_final == df$r2_i1,"r2_i2"]
df_final <- df[,c("id","r1_final","r2_final")]
print(df_final)

  id r1_final r2_final
1  1        a        c
2  2        b        c
3  3        c        f

编辑： 如果有四个 data.frames 而不是示例中的 2 个，OP 要求提供解决方案，这里有一些我没有测试过的代码，但它应该与另外两个列一起使用

df$r2_final <- df$r2_i1
df$r3_final <- df$r3_i1
df$r4_final <- df$r4_i1

df[df$r1_final == df$r2_i1,"r2_final"] <- df[df$r1_final == df$r2_i1,"r2_i2"]
df[df$r3_i1 %in% c(df$r1_final,df$r2_final),"r3_final"] <- df[df$r3_i1 %in% c(df$r1_final,df$r2_final),"r3_i2"]
df[df$r4_i1 %in% c(df$r1_final,df$r2_final,df$r3_final),"r4_final"] <- df[df$r4_i1 %in% c(df$r1_final,df$r2_final,df$r3_final),"r4_i2"]
df_final <- df[,c("id","r1_final","r2_final","r3_final","r4_final")]

【讨论】：

这可能是个好主意！仅编辑重复值的行。我确实认为这解决了我发布的问题，但如果你不介意我问的话，我有一个跟进。在实际问题中，我试图填写 4 个 r_final 列。我猜如果我只是扩展你的答案，这会起作用，但我不确定如果说我不希望 r3_final 会是什么样子等于 r1_final 和 r2_final。
我添加了一个编辑，如果您有更多或可变数量的 data.frames 可以使用，那么我会编写一个函数，您可以在每个列数上使用。我可以想象使用一个循环遍历不同的 data.frames / 列的循环。如果您有很多行，请不要循环/应用这些行，这会使代码变慢。

【解决方案2】：

感谢您接受的答案，因为它运行良好！然而，它给了我一个使用 ifelse 的想法。虽然它没有比公认的答案更好或更差，但在添加更多列或数据框时，我更容易绕开我的脑袋。

  dfInt <- cbind(df1, df2, df3, df4)
  dfInt$R1_Final <- dfInt$R1_1
  dfInt$R2_Final <- ifelse(dfInt$R1_Final == dfInt$R2_1,
                               dfInt$R2_2,
                               dfInt$R2_1)
  dfInt$R3_Final <- ifelse(dfInt$R1_Final != dfInt$R3_1 & dfInt$R2_Final != dfInt$R3_1,
                               dfInt$R3_1,
                               ifelse(dfInt$R2_Final != dfInt$R3_2,
                                      dfInt$R3_2,
                                      dfInt$R3_3))
  dfInt$R4_Final <- ifelse(dfInt$R1_Final != dfInt$R4_1 & dfInt$R2_Final != dfInt$R4_1 & dfInt$R3_Final != dfInt$R4_1,
                               dfInt$R4_1,
                               ifelse(dfInt$R2_Final != dfInt$R4_2 & dfInt$R3_Final != dfInt$R4_2,
                                      dfInt$R4_2,
                                      ifelse(dfInt$R3_Final != dfInt$R4_3,
                                             dfInt$R4_3,
                                             dfInt$R4_4)))

【讨论】：