从 col2 中的 col1 匹配 ID，如果它小于 col3 在 col1 中匹配的行中的值，则取该行的 col3 的值

Question

我有一个这样的 DF：

ID_A <- c(NA,NA,132,NA,NA,NA,248,NA)
ID_B <- c(132,248,248,381,248,290,290,132)
entry <- c(1,2,2,3,4,5,5,6)
df <- data.frame(ID_A,ID_B,entry)

我希望添加一个如下所示的结果列：

df$result <- c(NA,NA,1,NA,NA,NA,4,NA)

对于每一行，如果ID_A不是NA，我想在entry col中找到对应的值：1）ID_A匹配ID_B，2）ID_A的entry列是不大于entry值的最大值对于我们在 ID_B 中匹配的 ID_A 行。

我的尝试，感觉可能很接近，但目前找不到正确的值：

df$result <- ifelse(is.na(df$ID_A),NA,df$entry[match(df$ID_A,df$ID_B) & !duplicated(df$ID_B,fromLast = TRUE)])

Answer 1

如果您的数据按entry 排序（如示例中所示）...

library(data.table)
setDT(df)

df[!is.na(ID_A), v := 
  df[.SD, on=.(ID_B = ID_A, entry < entry), mult="last", x.entry]
]

   ID_A ID_B entry result  v
1:   NA  132     1     NA NA
2:   NA  248     2     NA NA
3:  132  248     2      1  1
4:   NA  381     3     NA NA
5:   NA  248     4     NA NA
6:   NA  290     5     NA NA
7:  248  290     5      4  4
8:   NA  132     6     NA NA

它是如何工作的

x[i, ..., j] 在由i 确定的x 的子集上执行j。

• 可以通过i 中的过滤条件定义一个简单的子集，例如!is.na(ID_A)。
• 或者，子集可以通过与i 中的表的连接来定义。在这里，x = df 与i = .SD = df[!is.na(ID_A)] 的连接是第一个项目符号中定义的“数据子集”； on= 和 mult= 是连接的条件。

on= 条件写成.(xcol1 = icol1, xcol2 < icol2)，其中xcols 属于x，icols 属于i。在连接后的j 中，可以使用此处的x.entry 之类的前缀访问每个表中的cols，以消除从哪个表中提取的歧义。

mult= 确定当on= 条件有多个匹配项时会发生什么。在这里，我们的 ID 为 248，条目 2 和 4。由于数据按entry 排序（在给定的ID_B 内），mult="last" 将选择更大的值。

最后，j 可以用来修改列，比如x[i, ..., newcol := values]，它只对i 定义的x 的子集进行操作。