按 id 匹配并在两个数据帧中划分列值答案

【问题标题】：Match by id and divide column values across two dataframes按 id 匹配并在两个数据帧中划分列值
【发布时间】：2017-05-18 01:15:03
【问题描述】：

帧：

df 1: 包含多行具有相同 id 的 500 列值

    id|val.1|val.2|...|val.500
---------------------------------
    1 | 240 | 234 |...|228
    1 | 224 | 222 |...|230
    1 | 238 | 240 |...|240
    2 | 277 | 270 |...|255
    2 | 291 | 290 |...|265
    2 | 284 | 282 |...|285

df 2：只包含一个唯一的 id（行）匹配 df-1 id 列和 500 个列值

    id|val.1|val.2|...|val.500
---------------------------------
    1 | 250 | 240 |...|245
    2 | 280 | 282 |...|281

我想根据 df 1 的列值除以 df 2 中对应的列值，根据它们的 id 得到 df 3：

    id|val.1|val.2|...|val.500
---------------------------------
    1 | 0.96| 0.98|...|0.93
    1 | 0.90| 0.93|...|0.94
    1 | 0.95| 1.00|...|0.98
    2 | 0.99| 0.96|...|0.91
    2 | 1.04| 1.03|...|0.94
    2 | 1.01| 1.00|...|1.01

根据 id 和列值对 df 1 值加权 df 2 。一段时间以来，我一直在摸索解决此问题的最佳方法，但没有取得太大进展。任何指导将不胜感激。谢谢

【问题讨论】：

标签： r dataframe dplyr

【解决方案1】：

两种可能的方法：

1：“宽”-方法

使用dplyr 和purrr 包：

library(dplyr)
library(purrr)

df12 <- left_join(df1, df2, by = 'id')
cbind(id=df12[,1], map2_df(df12[,2:4], df12[,5:7], `/`))

使用data.table 包（方法借用自here）：

library(data.table)

# convert to 'data.tables'
setDT(df1)
setDT(df2)

# creates two vectors of matching columnnames
xcols = names(df1)[-1]
icols = paste0("i.", xcols)

# join and do the calculation
df1[df2, on = 'id', Map('/', mget(xcols), mget(icols)), by = .EACHI]

两者都给出：

   id     val.1     val.2     val.3
1:  1 0.9600000 0.9750000 0.9306122
2:  1 0.8960000 0.9250000 0.9387755
3:  1 0.9520000 1.0000000 0.9795918
4:  2 0.9892857 0.9574468 0.9074733
5:  2 1.0392857 1.0283688 0.9430605
6:  2 1.0142857 1.0000000 1.0142349

2：“长”方法

另一种选择是将您的数据帧重新整形为长格式，然后merge/join 它们并进行计算。

使用data.table-package：

library(data.table)

dt1 <- melt(setDT(df1), id = 1)
dt2 <- melt(setDT(df2), id = 1)

dt1[dt2, on = c('id','variable'), value := value/i.value][]

使用dplyr 和tidyr 包：

library(dplyr)
library(tidyr)

df1 %>% 
  gather(variable, value, -id) %>% 
  left_join(., df2 %>% gather(variable, value, -id), by = c('id','variable')) %>% 
  mutate(value = value.x/value.y) %>% 
  select(id, variable, value)

两者都给出：

    id variable     value
 1:  1    val.1 0.9600000
 2:  1    val.1 0.8960000
 3:  1    val.1 0.9520000
 4:  2    val.1 0.9892857
 5:  2    val.1 1.0392857
 6:  2    val.1 1.0142857
 7:  1    val.2 0.9750000
 8:  1    val.2 0.9250000
 9:  1    val.2 1.0000000
10:  2    val.2 0.9574468
11:  2    val.2 1.0283688
12:  2    val.2 1.0000000
13:  1    val.3 0.9306122
14:  1    val.3 0.9387755
15:  1    val.3 0.9795918
16:  2    val.3 0.9074733
17:  2    val.3 0.9430605
18:  2    val.3 1.0142349

使用过的数据：

df1 <- structure(list(id = c(1, 1, 1, 2, 2, 2), val.1 = c(240, 224, 238, 277, 291, 284), 
                      val.2 = c(234, 222, 240, 270, 290, 282), val.3 = c(228, 230, 240, 255, 265, 285)), 
                 .Names = c("id", "val.1", "val.2", "val.3"), class = "data.frame", row.names = c(NA, -6L))

df2 <- structure(list(id = c(1, 2), val.1 = c(250, 280), val.2 = c(240, 282), val.3 = c(245, 281)),
                 .Names = c("id", "val.1", "val.2", "val.3"), class = "data.frame", row.names = c(NA, -2L))

【讨论】：

很棒的方法。加一个
谢谢马克西姆斯！我使用了 data.table 格式，因为我可以（几乎）遵循代码。说真的，我如何将我的编码技能逐步提高到你的 50%？
@AnandRoopsind thx :-) 继续参与 SO：阅读并运行正确答案的代码（从 r-faq tag 的问题开始）。尝试解决问题：一开始这可能会令人沮丧，但你会做得更好。另请参阅info-page of the R-tag，其中列出了许多重要资源。关于data.table，具体见Getting started wiki on GitHub

【解决方案2】：

只要 data.frames 按列正确排序并且都具有相同的列，那么我认为以下基本 R 代码将完成您想要的。

cbind(df1[1], df1[-1] / df2[match(df1$id, df2$id), -1])

  id     val.1     val.2   val.500
1  1 0.9600000 0.9750000 0.9306122
2  1 0.8960000 0.9250000 0.9387755
3  1 0.9520000 1.0000000 0.9795918
4  2 0.9892857 0.9574468 0.9074733
5  2 1.0392857 1.0283688 0.9430605
6  2 1.0142857 1.0000000 1.0142349

这里，match(df1$id, df2$id) 将返回与 df2 的 id 对应的 df1 的行索引，因此 df2[match(df1$id, df2$id), -1] 将返回 df2 的相应行作为删除了 id 变量的 data.frame。当 id 变量被删除并且df1[-1] / df2[match(df1$id, df2$id), -1] 执行除法时，此 data.frame 的形状与 df1 匹配。最后 cbind 将 id 变量添加到最终的 data.frame 中。

数据

df1 <- structure(list(id = c(1L, 1L, 1L, 2L, 2L, 2L), val.1 = c(240L, 
224L, 238L, 277L, 291L, 284L), val.2 = c(234L, 222L, 240L, 270L, 
290L, 282L), val.500 = c(228L, 230L, 240L, 255L, 265L, 285L)), .Names = c("id", 
"val.1", "val.2", "val.500"), class = "data.frame", row.names = c(NA, 
-6L))

df2 <- structure(list(id = 1:2, val.1 = c(250L, 280L), val.2 = c(240L, 
282L), val.500 = c(245L, 281L)), .Names = c("id", "val.1", "val.2", 
"val.500"), class = "data.frame", row.names = c(NA, -2L))

【讨论】：