R：当两个条件中的任何一个匹配时合并两个数据帧

Question

假设我有两个如下数据框：

n = c(2, 3, 5, 5, 6, 7) 
s = c("aa", "bb", "cc", "dd", "ee", "ff") 
b = c(2, 4, 5, 4, 3, 2) 
df = data.frame(n, s, b)
#  n  s b
#1 2 aa 2
#2 3 bb 4
#3 5 cc 5  
#4 5 dd 4
#5 6 ee 3
#6 7 ff 2

n2 = c(5, 6, 7, 6) 
s2 = c("aa", "bb", "cc", "ll") 
b2 = c("hh", "nn", "ff", "dd")  
df2 = data.frame(n2, s2, b2)

 #   n2 s2 b2
 #1  5 aa hh
 #2  6 bb nn
 #3  7 cc ff
 #4  6 ll dd

我想将它们合并以达到以下结果：

 #n s  b n2 s2 b2
 #2 aa 2 5  aa hh
 #3 bb 4 6  bb nn
 #5 cc 5 7  cc ff
 #5 dd 4 6  ll dd

基本上，我想要实现的是在 data2 的 s2 或 b2 列中找到第一个数据的 s 中的值时合并两个数据帧。

我知道当我从每个数据帧中指定两列时，合并可以工作，但我不确定如何在合并函数中添加 OR 条件。或者如何使用 dpylr 等软件包中的其他命令来实现这一目标。

另外，澄清一下，会出现 s2 和 b2 与同一行中的 s 列匹配的情况。如果是这种情况，那么只需将它们合并一次。

Answer 1

如果你熟悉 SQL，你可以使用它：

library(sqldf)
res <- sqldf("SELECT l.*, r.*
              FROM df as l
              INNER JOIN df2 as r
              on l.s = r.s2 OR l.s = r.b2")

res
  n  s b n2 s2 b2
1 2 aa 2  5 aa hh
2 3 bb 4  6 bb nn
3 5 cc 5  7 cc ff
4 5 dd 4  6 ll dd
5 7 ff 2  7 cc ff

数据：

df<-structure(list(n = c(2, 3, 5, 5, 6, 7), s = structure(1:6, .Label = c("aa", 
"bb", "cc", "dd", "ee", "ff"), class = "factor"), b = c(2, 4, 
5, 4, 3, 2)), .Names = c("n", "s", "b"), row.names = c(NA, -6L
), class = "data.frame")

df2<-structure(list(n2 = c(5, 6, 7, 6), s2 = structure(1:4, .Label = c("aa", 
"bb", "cc", "ll"), class = "factor"), b2 = structure(c(3L, 4L, 
2L, 1L), .Label = c("dd", "ff", "hh", "nn"), class = "factor")), .Names = c("n2", 
"s2", "b2"), row.names = c(NA, -4L), class = "data.frame")

Answer 2

几个问题：1）您已经构建了几个数据帧，其中的因素往往会破坏匹配和索引，所以我在 hte 数据帧调用中使用了 stringsAsFactors =FALSE。 2）当 s2 和 b2 在 s 列中都有匹配项时（如您的示例中确实发生的那样），您有一个模棱两可的情况，没有明确的解决方案：

> df2[c("s")] <- list( c( df$s[pmax( match( df2$s2 , df$s), match(df2$b2, df$s),na.rm=TRUE)]))
> df2
  n2 s2 b2  s
1  5 aa hh aa
2  6 bb nn bb
3  7 cc ff ff
4  6 ll dd dd
> df2[c("s")] <- list( c( df$s[pmin( match( df2$s2 , df$s), match(df2$b2, df$s),na.rm=TRUE)]))
> df2
  n2 s2 b2  s
1  5 aa hh aa
2  6 bb nn bb
3  7 cc ff cc
4  6 ll dd dd

一旦您解决了对您的满意的歧义，只需使用相同的方法来提取和匹配“b”：

> df2[c("b")] <- list( c( df$b[pmin( match( df2$s2 , df$s), match(df2$b2, df$s),na.rm=TRUE)]))
> df2
  n2 s2 b2  s b
1  5 aa hh aa 2
2  6 bb nn bb 4
3  7 cc ff cc 5
4  6 ll dd dd 4

修改后的df：

> dput(df)
structure(list(n = c(2, 3, 5, 5, 6, 7), s = c("aa", "bb", "cc", 
"dd", "ee", "ff"), b = c(2, 4, 5, 4, 3, 2)), .Names = c("n", 
"s", "b"), row.names = c(NA, -6L), class = "data.frame")
> dput(df2)
structure(list(n2 = c(5, 6, 7, 6), s2 = c("aa", "bb", "cc", "ll"
), b2 = c("hh", "nn", "ff", "dd"), s = c("aa", "bb", "cc", "dd"
), b = c(2, 4, 5, 4)), row.names = c(NA, -4L), .Names = c("n2", 
"s2", "b2", "s", "b"), class = "data.frame")

一步解决：

> df2[c("s", "c")] <-  df[pmin( match( df2$s2 , df$s), match(df2$b2, df$s),na.rm=TRUE), c("s", "b")]
> df2
  n2 s2 b2  s c
1  5 aa hh aa 2
2  6 bb nn bb 4
3  7 cc ff cc 5
4  6 ll dd dd 4

Answer 3

我们可以使用模糊连接，如果您有大数据，在这种情况下它可能不是很有效，但它肯定是可读的。使用我的包safejoin 包裹（在这种情况下） fuzzyjoin ：

# devtools::install_github("moodymudskipper/safejoin")
library(safejoin)
safe_inner_join(df, df2, ~ X("s") == Y("s2") | X("s") == Y("b2"))
#   n  s b n2 s2 b2
# 1 2 aa 2  5 aa hh
# 2 3 bb 4  6 bb nn
# 3 5 cc 5  7 cc ff
# 4 5 dd 4  6 ll dd
# 5 7 ff 2  7 cc ff

fuzzyjoin 语法是：

library(fuzzyjoin)
fuzzy_inner_join(df, df2, match_fun = NULL, 
                 multi_by = list(x = "s", y= c("s2","b2")), 
                 multi_match_fun = function(x,y) x == y[,"s2"] | x == y[,"b2"])
#   n  s b n2 s2 b2
# 1 2 aa 2  5 aa hh
# 2 3 bb 4  6 bb nn
# 3 5 cc 5  7 cc ff
# 4 5 dd 4  6 ll dd
# 5 7 ff 2  7 cc ff

Answer 4

一种基本方法是绑定两个合并。您需要在df2 中重新创建相应的连接键以有效连接帧。此外，#5 行没有出现在预期的结果中：

t1 <- merge(df, df2, by.x=c("s"), by.y=c("s2"))
t1$s2 <- t1$s

t2 <- merge(df, df2, by.x=c("s"), by.y=c("b2"))
t2$b2 <- t2$s

finaldf <- rbind(t1, t2)

#    s n b n2 b2 s2
# 1 aa 2 2  5 hh aa
# 2 bb 3 4  6 nn bb
# 3 cc 5 5  7 ff cc
# 4 dd 5 4  6 dd ll
# 5 ff 7 2  7 ff cc