r - for 循环按所有行比较 2 个数据帧

Question

我正在尝试逐行比较数据框 d1 中的 2 列与数据框 d2 中的 2 列。为了说明我创建虚拟数据集的问题：

d1 <- data.frame(
  a = c(1,2,3),
  b = c(4,5,6)
)

d2 <- data.frame(
  a = c(2,0,2),
  b = c(5,5,6)
)

理想情况下，我想标记d1 中的所有行，我可以在d2 的至少一行中找到匹配项，所以想要的结果是：

data.frame(
  a = c(1,2,3),
  b = c(4,5,6),
  flag = c(0,1,0)
)

这是我尝试过的：

for (i in 1:nrow(d1)) {
  for (j in 1:nrow(d2)) {
    test[i,j] = ifelse(d1$a[i] == d2$a[j] & d1$b[i] == d2$b[j], 1, 0)
  }
}

for 循环是最好的解决方案

Answer 1

你基本上是在寻找一种加入。对于这个特殊任务，仅标记，data.table 在这里非常简洁，具有就地连接和更新

library(data.table)
d1 <- data.table(
  a = c(1,2,3),
  b = c(4,5,6)
)

d2 <- data.table(
  a = c(2,0,2),
  b = c(5,5,6)
)


# assign 1 to each match in place
d1[d2,
   on = .(a, b),
   flag := 1]
d1
#>    a b flag
#> 1: 1 4   NA
#> 2: 2 5    1
#> 3: 3 6   NA

# convert NAs to zeros
d1[is.na(flag), flag := 0]
d1
#>    a b flag
#> 1: 1 4    0
#> 2: 2 5    1
#> 3: 3 6    0

Answer 2

您可以为此使用match：

d1$flag <- match(paste0(d1$a, d1$b), paste0(d2$a, d2$b), nomatch = 0)

编辑：@mnist 提出了一个公平的观点。以下是对 NA 行更安全的替代方法：

d1$flag <- as.numeric(duplicated(rbind(d2, d1)))[-seq_len(nrow(d1))]