包含行和列索引的数据框列表，用于从更大的数据框中选择数据答案

【问题标题】：List of data frames containing row and column indices to select data from a larger data frame包含行和列索引的数据框列表，用于从更大的数据框中选择数据
【发布时间】：2018-05-11 21:32:19
【问题描述】：

我有一个数据框列表。其中一列包含数据框的名称：

a <- data.frame(PIN = c(1:3), Item = c("a", "a", "a"))
b <- data.frame(PIN = c(4:6), Item = c("b", "b", "b"))
List <- list(a, b)

还有一个更大的数据框，我想从中提取数据。我的数据框列表中第一列中的值对应于第一列或更大数据框中的值，我的数据框列表第二列中的名称/值对应于更大数据框中的列名：

DF <-data.frame(PIN = c(1:10), a = c(101:110), b = c(201:210), c = c(301:310))

我想将列添加到从 DF 提取数据的列表中的数据框中，使用 PIN 作为行索引，使用 Item 作为列索引。所以基本上，我最终会得到：

a <- data.frame(PIN = c(1:3), Item = c("a", "a", "a"), a = c(101:103))
b <- data.frame(PIN = c(4:6), Item = c("b", "b", "b"), b = c(204:206))
List <- list(a, b)

我该怎么做？

【问题讨论】：

标签： r

【解决方案1】：

有了tidyr、dplyr 和purrr，我们可以这样做：

DF <- tidyr::gather(DF, key = "Item", value, -PIN)

purrr::map(List, dplyr::left_join, DF, by = c("PIN", "Item"))

[[1]]
  PIN Item value
1   1    a   101
2   2    a   102
3   3    a   103

[[2]]
  PIN Item value
1   4    b   204
2   5    b   205
3   6    b   206

请注意，您将收到一条警告消息，因为示例数据包含因子。在构造数据框时添加stringsAsFactors = FALSE，以避免出现此警告消息。

您可以使用基本 R 的 lapply 替换 purrr map 函数：

lapply(List, dplyr::left_join, DF, by = c("PIN", "Item"))

此外，Uwe 解决方案的一种替代方案可能是：

library(tidyverse)

DF <- gather(DF, key = "Item", value, -PIN)

List %>% 
  map(mutate_if, is.factor, as.character) %>% # optional, but solves the warning message by converting factors to character
  map_df(rbind, .id = "id") %>% 
  left_join(DF) %>% 
  split(.$id)

$`1`
  id PIN Item value
1  1   1    a   101
2  1   2    a   102
3  1   3    a   103

$`2`
  id PIN Item value
4  2   4    b   204
5  2   5    b   205
6  2   6    b   206

数据：

# Create list
List <- list(
  data.frame(PIN = c(1:3), Item = c("a", "a", "a")),
  data.frame(PIN = c(4:6), Item = c("b", "b", "b"))
)

# Create data frame
DF <- data.frame(
  PIN = c(1:10), 
  a = c(101:110), 
  b = c(201:210), 
  c = c(301:310)
)

【讨论】：

Np，很乐意为您提供帮助

【解决方案2】：

您可能需要重新考虑您的数据结构：

结构相同的 data.frame 列表可以组合成一个更大的数据对象，从而避免遍历列表元素。
由于DF 的“有效负载”列a、b 和c 都包含相同的数据类型，所以DF 可以从宽格式重新调整为长格式。这会将列名转换为可以更轻松地用于查找操作的数据元素。

所以，我的建议是：

library(data.table)

keys <- rbindlist(List, idcol = TRUE)
DT <- setDT(melt(DF, id.vars = "PIN", variable.name = "Item"))
DT[keys, on = .(PIN, Item)]

   PIN Item value .id
1:   1    a   101   1
2:   2    a   102   1
3:   3    a   103   1
4:   4    b   204   2
5:   5    b   205   2
6:   6    b   206   2

如果还需要列表结果：

split(DT[keys, on = .(PIN, Item)], by = ".id")

$`1`
   PIN Item value .id
1:   1    a   101   1
2:   2    a   102   1
3:   3    a   103   1

$`2`
   PIN Item value .id
1:   4    b   204   2
2:   5    b   205   2
3:   6    b   206   2

【讨论】：