R - 创建一个新变量，其中每个观察值都依赖于另一个表和数据框中的其他变量答案

【问题标题】：R - Create a new variable where each observation depends on another table and other variables in the data frameR - 创建一个新变量，其中每个观察值都依赖于另一个表和数据框中的其他变量
【发布时间】：2016-02-15 16:10:30
【问题描述】：

我有以下两个表：

df <- data.frame(eth = c("A","B","B","A","C"),ZIP1 = c(1,1,2,3,5))
Inc <- data.frame(ZIP2 = c(1,2,3,4,5,6,7),A = c(56,98,43,4,90,19,59), B = c(49,10,69,30,10,4,95),C = c(69,2,59,8,17,84,30))

eth    ZIP1         ZIP2    A    B    C
A      1            1      56   49   69
B      1            2      98   10   2
B      2            3      43   69   59
A      3            4      4    30   8
C      5            5      90   10   17
                    6      19   4    84
                    7      59   95   39

我想在 df 数据框中创建一个变量 Inc ，其中对于每个观察，值是观察的 eth 和 ZIP 的交集。在我的示例中，它会导致：

   eth    ZIP1   Inc        
    A      1    56
    B      1    49
    B      2    10
    A      3    43
    C      5    17

循环或蛮力可以解决它，但我的数据集需要时间，我正在寻找一种更微妙的方法，可能使用 data.table。在我看来，这是一个非常标准的问题，如果是，我很抱歉，我无法为这个问题制定一个精确的标题（你可能已经注意到了..）也许是我没有找到任何类似问题的原因在论坛搜索..

谢谢！

【问题讨论】：

标签： r data.table

【解决方案1】：

当然，可以在data.table中完成：

library(data.table)
setDT(df)

df[ melt(Inc, id.var="ZIP2", variable.name="eth", value.name="Inc"), 
  Inc := i.Inc
, on=c(ZIP1 = "ZIP2","eth") ]

这个“合并分配”操作的语法是X[i, Xcol := expression, on=merge_cols]。

您可以自行运行i = melt(Inc, id.var="ZIP", variable.name="eth", value.name="Inc") 部分，看看它是如何工作的。在合并内部，来自i 的列可以用i.* 前缀引用。

交替...

setDT(df)
setDT(Inc)
df[, Inc := Inc[.(ZIP1), eth, on="ZIP2", with=FALSE], by=eth]

这是基于类似的想法。 The package vignettes 是开始使用这种语法的好地方。

【讨论】：

谢谢。我会尽力理解其中的逻辑。但是，它似乎不起作用，但这是我的错：我更新了帖子以分隔第一张和第二张表的 ZIP。我应该在你的公式中选择哪一个？错误是：“未使用的参数（on = c（“ZIP1”，“eth”））”
@Julien 好的，我已经针对这种情况进行了更新。我不确定它是否适用于 data.table 1.9.6（我正在运行开发版本）。如果您先运行setDT 行，则未使用的参数将被修复。
感谢您的参考，这对我非常有用！即使在使用 setDT 时，您的解决方案似乎仍然存在相同的崩溃。但是我会努力理解更多使用 data.tables 的合并，从长远来看它对我很有用:)

【解决方案2】：

我们可以使用row/column索引

df$Inc <- Inc[cbind(match(df$ZIP1, Inc$ZIP2), match(df$eth, colnames(Inc)))]

df
#  eth ZIP1 Inc
#1   A    1  56
#2   B    1  49
#3   B    2  10
#4   A    3  43
#5   C    5  17

【讨论】：

【解决方案3】：

这个怎么样？

library(reshape2)
merge(df, melt(Inc, id="ZIP2"), by.x = c("ZIP1", "eth"), by.y = c("ZIP2", "variable"))
  ZIP1 eth value
1    1   A    56
2    1   B    49
3    2   B    10
4    3   A    43
5    5   C    17

【讨论】：

好的，非常感谢！我还是个新手，还没有认真考虑使用这些函数 :) 只是崩溃说 x 和 y 的变量必须对应。我将它们的名称更改为相同但它仍然崩溃然后我使用简单的“by”而不是“by.x by.y”并且它起作用了。

【解决方案4】：

另一种选择：

library(dplyr)
library(tidyr)
Inc %>%
  gather(eth, value, -ZIP2) %>%
  left_join(df, ., by = c("eth", "ZIP1" = "ZIP2"))

【讨论】：

【解决方案5】：

我的解决方案（可能看起来很尴尬）

for (i in 1:length(df$eth)) {
    df$Inc[i] <- Inc[as.character(df$eth[i])][df$ZIP[i],]
}

【讨论】：