我有两个数据帧，其中两个帧共有的唯一标识符在观察次数上有所不同。我想从两者中创建一个数据框，如果它们对公共标识符有更多的观察，则从每个帧中获取观察。例如：
f1 <- data.frame(x = c("a", "a", "b", "c", "c", "c"), y = c(1,1,2,3,3,3))
f2 <- data.frame(x = c("a","b", "b", "c", "c"), y = c(4,5,5,6,6))
我希望它根据较长的 x 生成一个合并，这样它会产生：
x y
a 1
a 1
b 5
b 5
c 3
c 3
c 3
任何和所有的想法都会很棒。
【问题讨论】：
这是使用split的解决方案
dd<-rbind(cbind(f1, s="f1"), cbind(f2, s="f2"))
keep<-unsplit(lapply(split(dd$s, dd$x), FUN=function(x) {
y<-table(x)
x == names(y[which.max(y)])
}), dd$x)
dd <- dd[keep,]
通常我更喜欢在这里使用ave 函数，但是因为我正在将 data.types 从一个因素更改为一个逻辑，所以我基本上复制了ave 使用的想法和使用split。
【讨论】：
dplyr解决方案library(dplyr)
使用rbind() 并引入一个名为ref 的新变量以了解每个观察的来源：
both <- rbind( f1, f2 )
both$ref <- rep( c( "f1", "f2" ) , c( nrow(f1), nrow(f2) ) )
创建另一个新变量，其中包含每个 ref 和 x 组合的观察次数：
both_with_counts <- both %>%
group_by( ref ,x ) %>%
mutate( counts = n() )
both_with_counts %>% group_by( x ) %>% filter( n==max(n) )
注意：您也可以只选择 x 和 y 列和 select(x,y)...
这给出了：
## Source: local data frame [7 x 4]
## Groups: x
##
## x y ref counts
## 1 a 1 f1 2
## 2 a 1 f1 2
## 3 c 3 f1 3
## 4 c 3 f1 3
## 5 c 3 f1 3
## 6 b 5 f2 2
## 7 b 5 f2 2
what_I_want <-
rbind(cbind(f1,ref = "f1"),cbind(f2,ref = "f2")) %>%
group_by(ref,x) %>%
mutate(counts = n()) %>%
group_by( x ) %>%
filter( counts==max(counts) ) %>%
select( x, y )
因此：
> what_I_want
# Source: local data frame [7 x 2]
# Groups: x
#
# x y
# 1 a 1
# 2 a 1
# 3 c 3
# 4 c 3
# 5 c 3
# 6 b 5
# 7 b 5
【讨论】：
不是一个优雅的答案，但仍然给出了预期的结果。希望对您有所帮助。
f1table <- data.frame(table(f1$x))
colnames(f1table) <- c("x","freq")
f1new <- merge(f1,f1table)
f2table <- data.frame(table(f2$x))
colnames(f2table) <- c("x","freq")
f2new <- merge(f2,f2table)
table <- rbind(f1table, f2table)
table <- table[with(table, order(x,-freq)), ]
table <- table[!duplicated(table$x), ]
data <-rbind(f1new, f2new)
merge(data, table, by=c("x","freq"))[,c(1,3)]
x y
1 a 1
2 a 1
3 b 5
4 b 5
5 c 3
6 c 3
7 c 3
【讨论】：