R - 如果每组的所有值都匹配，则合并两个数据集

Question

假设我有两个数据框 df1 和 df2 如下：

df1:

EmployeeID     Skill
1                A
1                B
1                C
2                B
2                D
2                C
2                F
3                A
3                J

df2:

Opportunity.ID      Skill
12345               A
12345               B
56788               C
56788               B
56788               F
09988               H

我要做的是创建一个新的数据框，其中包含所有 EmployeeID 的特定 Opportunity.ID 所需的所有技能，而不仅仅是其中一个。这就是为什么简单的合并或左/右连接是不够的。 在我们的例子中，我想要的是：

Opportunity.ID         Employee.ID
12345                  1
56788                  2
09988                  NA

请注意，不应将员工 3 分配到机会 12345，因为他只有所需的两项技能中的一项。

任何帮助将不胜感激。

Answer 1

这是使用dplyr 的一种方式-

df2 %>% 
  left_join(df1, by = "Skill") %>% 
  group_by(Opportunity.ID) %>% 
  mutate(test = ave(Skill, EmployeeID, FUN = function(x) all(Skill %in% x))) %>%
  ungroup() %>% 
  filter(test != "FALSE") %>% 
  distinct(Opportunity.ID, EmployeeID)

# A tibble: 3 x 2
  Opportunity.ID EmployeeID
           <int>      <int>
1          12345          1
2          56788          2
3           9988         NA

Answer 2

可能有更好的解决方案，但使用data.table-package 我得出了以下方法：

library(data.table)  # load the package
setDT(df1)           # convert 'df1' to a 'data.table'
setDT(df2)           # convert 'df2' to a 'data.table'

df2[, .(EmployeeID = df1[.SD[, .(Skill, n = .N)], on = .(Skill)
                         ][, .(ne = .N), by = .(EmployeeID, n)
                           ][n == ne, EmployeeID])
    , by = Opportunity.ID]

给出：

   Opportunity.ID EmployeeID
1:          12345          1
2:          56788          2
3:           9988         NA