R - 比较两个不同长度的数据帧在两列中的相同值

Question

这是一个关于如何比较两个不同长度的不同数据帧的几列的问题。

我有两个不同长度的数据帧（来自receiver1 (rec1) 和receiver2 (rec2) 的数据），其中包含4 艘不同船只的位置：

rec1 <- data.frame(name = sample (c("Nina", "Doug", "Alli", "Steve"), 20, replace = TRUE), 
                lon = sample (1:20), 
                lat = sample (1:10)
                )    
rec2 <- data.frame(name = sample (c("Nina", "Doug", "Alli", "Steve"), 30, replace = TRUE), 
                lon = sample (1:30),
                lat = sample (1:30)
                )

它们包含不同的名称（船名，两者的名称相同）和经度 (lon) 以及纬度 (lat) 坐标。

我正在尝试比较两个 dfs，以查看每艘船在“lon”和“lat”中匹配的值（即两个接收器接收相同位置的频率）

基本上我试图找出每个接收器有多好以及有多少数据点重叠（例如百分比）。

我不确定如何最好地做到这一点，并愿意接受任何建议。非常感谢！！！

Answer 1

这是一个经过修改且可重现的测试用例以及我的答案。我设计了测试集以包含匹配的组合和不匹配的组合。

rec1 <- data.frame(shipName = rep(c("Nina", "Doug", "Alli", "Steve"), each = 5), 
                lon = rep.int(c(1:5), 4), 
                lat = rep.int(c(11:15), 4)
                )    
rec2 <- data.frame(shipName = rep(c("Nina", "Doug", "Alli", "Steve"), each = 7), 
                lon = rep.int(c(2, 3, 4, 4, 5, 5, 6), 4),
                lat = rep.int(c(12, 13, 14, 14, 15, 15, 16), 4)
                )

print(rec1)
print(rec2)

#Merge the two data frames together, keeping only those combinations that match
m <- merge(rec1, rec2, by = c("shipName", "lon", "lat"), all = FALSE)

print(m)

如果您想计算每个组合出现的次数，请尝试以下操作。 （有不同的聚合方式。有些是here。下面是我的首选方法，它要求你安装data.table。这是一个很棒的工具，所以如果你还没有安装它，你可能想安装它。）

library(data.table)

#Convert to a data table and optionally set the sort key for faster processing
m <- data.table(m)
setkey(m, shipName, lon, lat)

#Aggregate and create a new column called "Count" with the number of
    #observations in each group (.N)
m <- m[, j = list("Count" = .N), by = list(shipName, lon, lat)]

print(m)

#If you want to return to a standard data frame rather than a data table:
m <- data.frame(m)

Answer 2

您没有构建一个非常有用的测试用例，但这里有一个方法：

> both <- rbind(data.frame(grp="A", rec1[, 2:3]), data.frame(grp="B", rec2[, 2:3]))
> with(both, table( duplicated(both[,2:3]), grp))
       grp
         A  B
  FALSE 20 30

Answer 3

在基础 R 中进行这种比较的最简单方法是使用 merge。

试试这个：

# Set the RNG so sample() produces the same output and this example is reproducible
set.seed(720) 

rec1 <- data.frame(name = sample (c("Nina", "Doug", "Alli", "Steve"), 20, replace = TRUE), 
            lon = sample (1:20), 
            lat = sample (1:10)
            )    
rec2 <- data.frame(name = sample (c("Nina", "Doug", "Alli", "Steve"), 30, replace = TRUE), 
            lon = sample (1:30),
            lat = sample (1:30)
            )

merged <- merge(x = rec1,
                y = rec2,
                by = c("name","lat","lon"))

print(merged)

合并的数据框将包含所有三列都匹配的所有情况（在本例中为一）。然后，您可以执行table(merged$name) 之类的操作来计算每个名称在合并数据中出现的次数。

不过，你的问题让我想知道......这里一定有某种时间元素，是吗？如果您在数据中包含测量时间，您可以通过 name 和 time 合并，然后计算测量的 lat 和 lon 差异。

编辑：

如果我不提到美妙的dplyr 包，我觉得我会失职，它使这样的分析变得非常简单。上面的唯一名称值的合并和计数是通过这个简单的单行实现的：

inner_join(rec1, rec2) %>% count(name)