将变量的多个值与另一个数据帧的一个值匹配

Question

我有两个要匹配的数据框，然后让它根据这个匹配返回一个值。

dt1
Name
Matt
John
Steven
Natalie, Nat
Unknown

 dt2
 Names           Grade

Matt              A
John              B
Steven            C
Natalie           D
 Nat              D
Unknown           NA

我想要 R 做的是将 dt1 与 dt2 匹配，然后返回一个值。我用过这段代码：

Merge_df$"Match_name" <- ifelse(df1$"Name" %in% df2$"Names","Right Name",ifelse(grepl    ("Unknown", dt1$"Name", ignore.case = FALSE), "Unknown", "NA"))

期望的输出

Merge_df
A
B
C
D
E
Unknown

但是我得到的不是这个。在其中有两个名称的单元格中，它返回 NA 因为它不读取两个名称，它只是尝试将整个值与 dt2 匹配，这当然没有任何值（Natalie，Nat 一起） .我希望 R 读取这两个名称并查看它是否都在 dt2 中，然后返回文本值“正确的名称”。

有什么想法吗？

Answer 1

这是一个蛮力方法：

dt1 <- read.table(header=TRUE, stringsAsFactors=FALSE, sep="|", text="
Name
Matt
John
Steven
Natalie, Nat
Unknown")

dt2 <- read.table(header=TRUE, stringsAsFactors=FALSE, text="
Names
Matt
John
Steven
Natalie
Nat
Unknown")

（我应该注意，我使用sep="|" 只是为了快速将数据输入到这个示例中。sep= 的一些替代项是必需的，因为其中一个字段中有一个空格。我也可以使用readLines.)

首先，您不确定如何处理以逗号分隔的名称。 split可以在这里使用：

strsplit(dt1$Name, "[ ,]+")
# [[1]]
# [1] "Matt"
# [[2]]
# [1] "John"
# [[3]]
# [1] "Steven"
# [[4]]
# [1] "Natalie" "Nat"    
# [[5]]
# [1] "Unknown"

sapply(strsplit(dt1$Name, "[ ,]+"), function(s) any(s %in% dt2$Names))
# [1] TRUE TRUE TRUE TRUE TRUE

这意味着嵌套的ifelse 看起来像这样：

ifelse(grepl("Unknown", dt1$Name, ignore.case = FALSE), "Unknown",
       ifelse(sapply(strsplit(dt1$Name, "[ ,]+"), function(s) any(s %in% dt2$Names)),
              "Right Name", "NA"))
# [1] "Right Name" "Right Name" "Right Name" "Right Name" "Unknown"   

（并将其分配给一列）。

我希望你的问题不再复杂......一旦我开始嵌套ifelse，我真的想到了可以用merge 简化的数据结构。为此，您需要重塑（嵌入到长）dt1，以便您没有逗号分隔的字段。

---

另类

从数据效率的角度来看，在一个单元格中使用逗号分隔的独立类别可能会很烦人。我建议我们扩展dt1，以便每行有一个Name。但是，为了“记住”每个人来自的组，我们将为他们分配一个 id。

从那里，合并/加入它们是一件简单的事情。我将使用dplyr 进行演示，尽管几乎可以直接在base 或data.table 中完成相同的步骤。

library(dplyr)
library(tidyr) # unnest


dt1 <- read.table(header=TRUE, stringsAsFactors=FALSE, sep="|", text="
Name
Matt
John
Steven
Natalie, Nat
Unknown")
dt2 <- read.table(header=TRUE, stringsAsFactors=FALSE, text="
Names Grade
Matt A
John B
Steven C
Natalie D
Nat D
Unknown NA 
")

dt1 %>%
  mutate(
    id = row_number(),
    Name = strsplit(Name, "[ ,;]+")
  ) %>%
  unnest(cols = Name) %>%
  left_join(dt2, by = c(Name = "Names"))
# # A tibble: 6 x 3
#   Name       id Grade
#   <chr>   <int> <chr>
# 1 Matt        1 A    
# 2 John        2 B    
# 3 Steven      3 C    
# 4 Natalie     4 D    
# 5 Nat         4 D    
# 6 Unknown     5 <NA> 

有了这个，您可以选择根据dt1$id重新聚合dt1。