与不同 id 的列比较

Question

我有以下变量

id1 = c(1,1,1,2,3,4,4,5)

id2 = c(1,1,2,2,3,3,4)

digit1 = c(243, 888, 343, 276, 493, 024, 305, 093)

digit2 = c(343, 756, 947, 089, 390, 930, 024)

df1 = data.frame(id1, digit1)

df2 = data.frame(id2, digit2)

我正在寻找一种方法来查看基于相似 ID 的数字 1 与数字 2 有多少匹配。给定 id 的频率在同一数据帧内以及与其他数据帧相比时可能会有所不同。

如果 id1 的频率高于给定 id 的 id2 频率，我不希望它计算额外的不正确或正确。例如，将 df1 中的前三位数字与 df2 中的仅前两位数字进行比较时，返回向量会将其计为 1 个正确、1 个不正确和 1 个 NA。我正在尝试合并两个数据框并为匹配结果添加新列。

在对齐 df1 和 df2 中的列并合并到一个新的数据帧之后，我想在新的数据帧中添加一个像 (0, NA, 1, 0, 0, 1, NA, NA) 这样的向量。

我将使用的实际数据对于每个数据帧都有数千行

Answer 1

一种方法是加入两个数据框，然后检查哪些 id 具有 digit1 = digit2，这就是我的意思：

# Data from the question (before the edit)
id1 = c(1,1,2,3,4,4,5,6,7)
id2 = c(1,2,2,3,3,4,5)
digit1 = c(243, 343, 276, 493, 024, 305, 093, 393, 208)
digit2 = c(343, 947, 089, 390, 930, 024, 093)
df1 = data.frame(id1, digit1)
df2 = data.frame(id2, digit2)

library(dplyr)
df1 %>% 
  full_join(df2, by = c('id1'='id2')) %>% 
  mutate(match = (digit1 == digit2)) %>% 
  group_by(id1) %>% 
  summarise(match = sum(match))

你得到：

#     id1  match
#    <dbl> <int>
# 1     1     1
# 2     2     0
# 3     3     0
# 4     4     1
# 5     5     1
# 6     6    NA
# 7     7    NA