R-合并数据的两列与附加的“之间的值”条件？

Question

我有两个数据文件，如下所示：

Dataframe A：

code1 code2 element1 from to
c1a    c2a     e1a     1    15
c1a    c2a     e1b     17   50
c1a    c2b     e1c     14   67
c1b    c2c     e1d     1    20
c1b    c2d     e1e    40   60

Dataframe B：

code1 code2 element2 number
c1a    c2a     e2a    7
c1a    c2a     e2b    10
c1a    c2a     e2c    35

如果是from =< number <= to，我基本上需要加入它们，以获得如下内容：

结果DATAFRAME

(片段，我没有足够的模拟数据。我想要这两个完整的数据合并A和B)。

code1 code2 element1 element2 from   to   number
c1a    c2a     e1a    e2a      1     15     7
c1a    c2a     e1a    e2b      1     15     10
c1a    c2a     e1b    e2c      17    50     35

我可以使用for循环来完成这个任务，并手动检查，但是我想知道是否有一种更“优雅”的方法来完成这个任务呢？

Answer 1

您可以连接数据，然后filter范围内的值。

您可以在dplyr中这样做。

library(dplyr)
left_join(B, A, by = c('code1', 'code2')) %>% 
    filter(number >= from & number <= to)

#  code1 code2 element2 number element1 from to
#1   c1a   c2a      e2a      7      e1a    1 15
#2   c1a   c2a      e2b     10      e1a    1 15
#3   c1a   c2a      e2c     35      e1b   17 50

或在R基：

subset(merge(B, A, by = c('code1', 'code2')), number >= from & number <= to)

Answer 2

这里有一个使用fuzzyjoin::fuzzy_inner_join。我从您的输出中了解到，除了from =< number <= to的条件之外，您还想加入code1和code2。

from <= number

• Join

• 通过第一个不等式将code1和code2加入到number，即由第二个不等式(即number <= to

)加入到number。

fuzzy_join的特点是，它们输出两个数据格式中的所有列。

-

library(fuzzyjoin)
fuzzy_inner_join(
      df_A, df_B,
      by = c(
        "code1" = "code1",
        "code2" = "code2",
        "from" = "number",
        "to" = "number"),
      match_fun = c(
        "code1" = function(l, r) l == r,
        "code2" = function(l, r) l == r,
        "from" = function(l, r) l <= r,
        "to" = function(l, r) r <= l))

# code1.x code2.x element1 from to code1.y code2.y element2 number
# 1     c1a     c2a      e1a    1 15     c1a     c2a      e2a      7
# 2     c1a     c2a      e1a    1 15     c1a     c2a      e2b     10
# 3     c1a     c2a      e1b   17 50     c1a     c2a      e2c     35

数据

df_A <- structure(list(code1 = c("c1a", "c1a", "c1a", "c1b", "c1b"), 
    code2 = c("c2a", "c2a", "c2b", "c2c", "c2d"), element1 = c("e1a", 
    "e1b", "e1c", "e1d", "e1e"), from = c(1L, 17L, 14L, 1L, 40L
    ), to = c(15L, 50L, 67L, 20L, 60L)), class = "data.frame", row.names = c(NA, -5L))

df_B <- structure(list(code1 = c("c1a", "c1a", "c1a"), code2 = c("c2a", 
"c2a", "c2a"), element2 = c("e2a", "e2b", "e2c"), number = c(7L, 
10L, 35L)), class = "data.frame", row.names = c(NA, -3L))