如何使用另一个数据集匹配和过滤数据集？答案

【问题标题】：How can I match and filter a dataset using another one?如何使用另一个数据集匹配和过滤数据集？
【发布时间】：2020-09-21 20:25:28
【问题描述】：

我真的不知道该怎么问，所以让我举个例子。

我有一个数据集，其中包含超过 5 万个条目，包括地址。像这样

streets <- c("st1","st2","st3","st4","st10000","st50000")

我需要将此街道名称与它们所属的城市相匹配。当它看到“st1”时，它应该添加 CityX。我没有数据集，所以我创建了一个这样的。

cities <- data.table(
  city1 <- c("st1","st2","st3"),
  city2 <- c("st4","st5","st6"),
  city3 <- c("st50","st10000","st50000")
  )

setnames(cities,"V1","NY")
setnames(cities,"V2","LA")
setnames(cities,"V3","DC")

现在我想匹配这个数据集，如果城市包含街道名称，它应该在“街道”中创建一个新列并在那里添加城市名称。应该是这样看的：

streets2 <- data.table(streets <- c("st1","st2","st3","st4","st10000","st50000"),
c("NY","NY","NY", "LA","DC","DC"))

我应该提一下，我不能使用 dpylr 只允许使用 data.table。我想我需要使用 for loop 和 lapply 但我知道如何。谢谢。

【问题讨论】：

你真的有这种形式的数据作为一个逗号分隔的字符串吗？
我有一个庞大的数据集，其中 1 列中有超过 55k 个条目...我一直在创建另一个数据集来对这些值进行分类。
您应该分享一个准确代表您的数据的示例，否则您将难以将答案应用于您的数据。请阅读有关how to ask a good question 的信息以及如何提供reproducible example。
好的，我现在就试试吧。
为什么要将输出作为逗号分隔的字符串？

标签： r for-loop data.table

【解决方案1】：

这是一个选项：

teams <- c("barcelona","rmadrid","liverpool")
DT <- rbindlist(lapply(mget(teams), function(x) data.table(Player=trimws(strsplit(x,",")[[1L]]))),
    idcol="Team")

data.table(Player=strsplit(players, ",")[[1L]])[DT, on=.(Player), Team := Team][]

输出：

     Player      Team
 1:    Xavi barcelona
 2:   Puyol barcelona
 3: Iniesta barcelona
 4:   Messi barcelona
 5: Gerrard liverpool
 6:   Salah liverpool
 7:    Mane liverpool
 8: Ronaldo   rmadrid
 9:   Ramos   rmadrid
10:  Hazard   rmadrid

哈维、普约尔和杰拉德不是都退役了吗？罗纳尔多还在皇马吗？

数据：

players <- "Xavi,Puyol,Iniesta,Messi,Gerrard,Salah,Mane,Ronaldo,Ramos, Hazard"
barcelona <- "Xavi,Puyol,Iniesta,Messi"
rmadrid <- "Ronaldo,Ramos,Hazard"
liverpool <- "Gerrard,Salah,Mane"

【讨论】：

是的，我对足球不太感兴趣，但我找不到更好的例子 :) 这对我不起作用。我想我无法正确表达自己。让我试着解决这个问题。我有一列（dataset1），其中包含 50k+ 个条目，其中一些是重复值。我必须对此进行分类，但我没有另一个数据集，所以我创建了一个包含 50 多个类别和 dataset1 中每个不同值的数据集。因此，当 R 在 dataset1 中看到“xxx1”时，它应该在 dataset2 中查找它，如果匹配，则将其类别值添加到“xxx1”附近。就像我说的那样，我可能需要 lapply 和 for 循环，但是 idk。