比较大数据帧中的匹配项

Question

假设我有两个具有以下一般结构的数据框架：

A=data.frame(ID=c(1,1,2,3,6, 10), Obs=c(0,5,6,7,3,-4))
B=data.frame(ID=c(1,3,2,4,8), Obs=c(10,-5,NA,7,NA))

对于匹配的ID，我想报告：

• A中的条目是B中NA的条目，或
• 列"Obs“上的符号翻转的条目。

然而，也有一些复杂的问题：

• 有些ID并不是唯一的。他们也没有被命令。
• 并不是所有的ID都存在于两个数据帧中，而且数据帧也不是相同的长度。
• 如果If不是唯一的，而是Obs。在该行为0的情况下，应该使用非零项对行进行比较。
• 有些条目是NA的。

到目前为止，使用R，我已经使用循环和IF-语句来解析数据帧。例如，我的一些代码应该如下所示：

results.signflip <- data.frame()
results.missingvalue <- data.frame()
Intersection.ID<- intersect(A$ID, B$ID)

for (idx.row in 1:length(Intersection.ID)) {
 idx.selection.A   <- grep(paste0("^", Intersection.ID[idx.row]), A$ID)
 idx.selection.B   <- grep(paste0("^", Intersection.ID[idx.row]), B$ID)

 if ( sign(!A[idx.row, "Obs"] == sign(B[idx.row, "Obs"] )) 
   results.signflip <- rbind(results.signflip, A[idx.row,])

 (... more IF statements...)

}

这显然是一个简单和不太有效的方法来解决这个问题。问题是，该文件有大约70.000个条目，脚本运行了几个小时。

所以，我的问题是:对于一些真正有效的代码，有人有一个聪明的想法吗？

Answer 1

这应该会让你开始：

C <- merge(A, B, by = "ID")
C$switch <- sign(C$Obs.x * C$Obs.y)
aggregate(switch ~ ID, C[C$switch != 0 | is.na(C$switch),], head, n = 1, na.action = identity)
#  ID switch
#1  1      1
#2  2     NA
#3  3     -1

有些细节可能还需要调整，但它们使问题对我的品味来说太宽泛了，合并的一般想法应该能帮助你向前迈进。