R - 不同数据帧中的相似记录答案

【问题标题】：R - Similar records in different data framesR - 不同数据帧中的相似记录
【发布时间】：2016-03-02 18:57:32
【问题描述】：

我想要数据框中的每条记录，其中每条记录的前 3 个属性等于另一个数据框中记录的相同 3 个属性。

例如，我有：

   File, Paragraph, Sentence, E, ED
   1.txt, 1, 1, CM, C.M.
   1.txt, 1, 1, LF, L.F.
   1.txt, 2, 1, E, E.
   1.txt, 2, 1, M, M.
   1.txt, 4, 1, LF, L.F.
   1.txt, 4, 1, NM, N.M.
   1.txt, 6, 1, RN, R.N.
   1.txt, 7, 1, AO, A.O.

我的这个数据框有 3 个公共列，但行数更少。

   File Paragraph Sentence occurrences
   1.txt        1        1           2
   1.txt        2        1           2
   1.txt        4        1           2

应该是这样的：

   File, Paragraph, Sentence, E, ED
   1.txt, 1, 1, CM, C.M.
   1.txt, 1, 1, LF, L.F.
   1.txt, 2, 1, E, E.
   1.txt, 2, 1, M, M.
   1.txt, 4, 1, LF, L.F.
   1.txt, 4, 1, NM, N.M.

我怎样才能有效地做到这一点？

【问题讨论】：

标签： r dataframe filtering data-manipulation querying

【解决方案1】：

只需将subset() 与%in% 运算符一起使用。

subset(df, Paragraph %in% df1$Paragraph) # Assuming Paragraph is numeric in both
#    File Paragraph Sentence  E.   ED
#1 1.txt,         1       1, CM, C.M.
#2 1.txt,         1       1, LF, L.F.
#3 1.txt,         2       1,  E,   E.
#4 1.txt,         2       1,  M,   M.
#5 1.txt,         4       1, LF, L.F.
#6 1.txt,         4       1, NM, N.M.

【讨论】：

当然数据帧是样本。所以我有不同的文件、段落和句子组合。我试过subset(df, File %in% df1$File & Paragraph %in% df1$Paragraph & Sentence %in% df1$Sentence) 但没有成功。不过我不知道是否可以使用subset()。正如@Zakkery 所建议的，我可以通过merge() 获得它。

【解决方案2】：

尝试使用合并。类似的东西：

merge(x = first_data_frame, y = second_data_frame)

这将合并它们，基本上就像 SQL 中的 JOIN（查找交集），并且应该只保留具有相同文件、段落、句子的记录。然后您可以取出额外的列“出现次数”。您可以阅读更多关于合并here 的内容。您可以使用以下方法控制要合并的列：

merge(x = first_data_frame, y = second_data_frame, by=c("File", "Paragraph", "Sentence"))

【讨论】：

之前我已经尝试使用merge()，但没有参数by。