r 匹配两个数据框中的数据，然后检查另一列中的文本是否匹配行

Question

我有两个数据框 stu1 和 stu2。两者都有匹配的 ID 列，但其他列中的变量不同。

例如stu1:

ID, Grade, Group, Age
ad1, A, Green, 14
bc1, B, Green, 13
cd1, B, Blue, 14
fs3, C, Red, 13

stu2:

ID, Prog, Loc, Year
bc1, LSC1, Ext, 2013
cd1, LSC1, Ext, 2013
cd1, BSC1, Int, 2013
ad1, BSC2, Int, 2012
rs2, KHL4, Ext, 2014

我要做的是检查stu1 中的学生ID 是否存在于stu2 中，然后检查对应行的另一列中的文本是否与我的字符串匹配，例如Prog =='BSC*' 然后在stu1 中创建一个新列，其中显示“是”或“否”。

所以，stu1 的结果应该是：

ID, Grade, Group, Age, BSCProg
ad1, A, Green, 14, Yes
bc1, B, Green, 13, No
cd1, B, Blue, 14, Yes
fs3, C, Red, 13, No

我尝试了很多不同的方法都没有成功，例如：

stu1$BSCProg <- ifelse(stu2[grepl("BSC", stu2$Prog) & match(paste0(stu1$ID), 
    paste0(stu1$ID)),], "Yes", "No")

stu1$BSCProg <- ifelse(is.na(match(paste0(stu1$ID),
    paste0(stu2$ID) & stu2[grepl("BSC", stu2$Prog),])),"No","Yes")

stu1$BSCProg <- ifelse(stu1$ID %in% stu2$ID & grepl('BSC', stu2$Prog), "Yes", "No")

Answer 1

我会通过合并两个表来做到这一点，这样您就可以进行列比较。使用data.table：

library(data.table)

setDT(stu1)
setDT(stu2)

dat <- merge(stu1,
             stu2[Prog %like% "BSC", .(ID, BSCProg = Prog)],
             by = "ID",
             all.x = TRUE)

dat[, BSCProg := ifelse(is.na(BSCProg), "No", "Yes")]

结果：

#     ID Grade Group Age BSCProg
# 1: ad1     A Green  14     Yes
# 2: bc1     B Green  13      No
# 3: cd1     B  Blue  14     Yes
# 4: fs3     C   Red  13      No

解压一下，第一步是将ID 和Prog 列从stu2 合并到stu1。 Prog %like% "BSC" 部分将仅合并 Prog 列将“BSC”作为值的一部分的那些行。 BSCProg = Prog 是将列重命名为你想要的。

完成此操作后，该列的值将是 NA 或 BSC1、BSC2 等值。最后的声明 BSCProg := ifelse(is.na(BSCProg), "No", "Yes") 会将任何 NA 更改为“否”，并将其他任何内容更改为“是”。

Answer 2

您可以先通过ID merge，然后创建新列。这是data.table 解决方案：

 library(data.table)
 setDT(stu1, key="ID")
 setDT(stu2, key="ID")
 stu1 = merge(stu1, stu2, all.x=TRUE)
 stu1[, BSCProg:=ifelse(grepl("^BSC", Prog), "Yes", "No")]

Answer 3

dplyr 和 tidyr 解决方案。 stu3 是最终输出。

library(dplyr)
library(tidyr)

stu1 <- data_frame(ID = c("ad1", "bc1", "cd1", "fs3"),
                   Grade = c("A", "B", "B", "C"),
                   Group = c("Green", "Green", "Blue", "Red"),
                   Age = c(14, 13, 14, 13))

stu2 <- data_frame(ID = c("bc1", "cd1", "cd1", "ad1", "rs2"),
                   Prog = c("LSC1", "LSC1", "BSC1", "BSC2", "KHL4"),
                   Loc = c("Ext", "Ext", "Int", "Int", "Ext"),
                   Year = c(2013, 2013, 2013, 2012, 2014))


stu3 <- stu1 %>%
  full_join(stu2 %>% select(ID, Prog), by = "ID") %>%
  mutate(BSCProg = ifelse(grepl("BSC", Prog), "Yes", "No")) %>%
  drop_na(Grade) %>%
  select(-Prog) %>%
  group_by(ID) %>%
  arrange(desc(BSCProg)) %>%
  slice(1)