Semi_join 有条件地过滤 R 数据帧答案

【问题标题】：Semi_join filtering an R dataframe conditionallySemi_join 有条件地过滤 R 数据帧
【发布时间】：2019-07-27 17:23:11
【问题描述】：

数据框 1 (df1) 具有以下列：

Year ID1 ID2 V1 V2 ....

数据框 2 (df2) 具有以下列：

Year ID

我想使用 df2 执行 semi_join 以按年份和 ID 过滤 df1，但我想在 df1 中保留 ID 与 ID1 或 ID2 匹配的观察结果。我不确定 dplyr 的 semi_join 是否有办法做到这一点，或者是否需要其他方法。

编辑：

df1 = data.frame(Year = c(rep(2000,5), rep(2001,5)), 
                 ID1 = 1:5, 
                 ID2 = 5:1,
                 V1 = seq(1,10, length.out = 10))
df2 = data.frame(Year = c(2000,2000,2001,2001), ID = c(1,2,1,3))

输出

 Year ID1 ID2 V1
 2000 1   5    1
 2000 2   4    2
 2000 4   2    4
 2000 5   1    5
 2001 1   5    6
 2001 3   3    8
 2001 5   1   10

【问题讨论】：

请提供可重现的样本数据（例如使用dput）和匹配的预期输出。
也许可以先将 df1 转换为适当的长格式，然后加入？
@MauritsEvers 将其添加到我的帖子中

标签： r dataframe dplyr filtering

【解决方案1】：

这并不优雅，但您可以分别对每个 ID 进行半联接，然后合并结果：

bind_rows(
  semi_join(df1, df2, by = c("ID1" = "ID"),
  semi_join(df1, df2, by = c("ID2" = "ID")
) %>%
  distinct()

（未经测试，没有数据集的样本。）

【讨论】：

如果我可以保证同一观察的 ID1 和 ID2 永远不会相等，我还需要在最后应用 distinct() 吗？
你仍然需要distinct()，以防ID1和ID2都在df2$ID中。但如果你能保证ID1 和ID2 在df2$ID 中永远不会both 出现，那么你可以省略distinct()。（对我来说，检查该条件似乎比使用 distinct() 更难。但如果您的数据结构方便并且您知道该条件会得到满足，那就去吧！）