基于匹配每个数据帧中的两个可交换列来合并两个数据帧

Question

我在 R 中有两个数据帧。

dataframe 1

A B C D E F G
1 2 a a a a a
2 3 b b b c c
4 1 e e f f e

dataframe 2

X Y Z
1 2 g
2 1 h
3 4 i
1 4 j

我想将 dataframe1 的 A 列和 B 列与 dataframe2 的 X 列和 Y 列相匹配。这不是成对比较，即第 1 行 (A=1 B=2) 被认为是相同的作为数据帧2的第1行（X = 1，Y = 2）和第2行（X = 2，Y = 1）。

当可以找到匹配时，我想添加数据帧1的C，D，E，F列到dataframe2的匹配行，如下：没有匹配为na。

最终数据帧

X Y Z C  D  E  F  G
1 2 g a  a  a  a  a 
2 1 h a  a  a  a  a
3 4 i na na na na na
1 4 j e  e  f  f  e

我只能知道如何对单列进行匹配，但是，如何对两个可交换列进行匹配并根据匹配结果合并两个数据帧对我来说很困难。请帮助提供明智的方法来做到这一点。

为了便于讨论（感谢 Vincent 和 DWin（我之前的问题）的评论，我应该测试一下引用。）将数据帧 1 和 2 加载到 R 是有配额的。

df1 <- data.frame(A = c(1,2,4), B=c(2,3,1), C=c('a','b','e'), 
                                D=c('a','b','e'), E=c('a','b','f'), 
                                F=c('a','c','f'), G=c('a','c', 'e'))

df2  <- data.frame(X = c(1,2,3,1), Y=c(2,1,4,4), Z=letters[7:10])

Answer 1

以下作品有效，但毫无疑问可以改进。

我首先创建一个小辅助函数，对 A 和 B 执行按行排序（并将其重命名为 V1 和 V2）。

replace_index <- function(dat){
  x <- as.data.frame(t(sapply(seq_len(nrow(dat)), 
    function(i)sort(unlist(dat[i, 1:2])))))
  names(x) <- paste("V", seq_len(ncol(x)), sep="")
  data.frame(x, dat[, -(1:2), drop=FALSE])
} 

replace_index(df1)

  V1 V2 C D E F G
1  1  2 a a a a a
2  2  3 b b b c c
3  1  4 e e f f e

这意味着您可以使用直接的合并来组合数据。

merge(replace_index(df1), replace_index(df2), all.y=TRUE)

  V1 V2    C    D    E    F    G Z
1  1  2    a    a    a    a    a g
2  1  2    a    a    a    a    a h
3  1  4    e    e    f    f    e j
4  3  4 <NA> <NA> <NA> <NA> <NA> i

Answer 2

这有点笨重，并且存在一些潜在的冲突和顺序问题，但可以与您的示例

df1a <- df1; df1a$A <- df1$B; df1a$B <- df1$A #reverse A and B
merge(df2, rbind(df1,df1a), by.x=c("X","Y"), by.y=c("A","B"), all.x=TRUE)

一起生成

  X Y Z    C    D    E    F    G
1 1 2 g    a    a    a    a    a
2 1 4 j    e    e    f    f    e
3 2 1 h    a    a    a    a    a
4 3 4 i <NA> <NA> <NA> <NA> <NA>

Answer 3

一种方法是创建一个用于匹配的 id 键，该键是顺序不变的。

# create id key to match
require(plyr)
df1 = adply(df1, 1, transform, id = paste(min(A, B),  "-", max(A, B)))
df2 = adply(df2, 1, transform, id = paste(min(X, Y),  "-", max(X, Y)))

# combine data frames using `match`
cbind(df2, df1[match(df2$id, df1$id),3:7])

这会产生输出

X Y Z    id    C    D    E    F    G
1   1 2 g 1 - 2    a    a    a    a    a
1.1 2 1 h 1 - 2    a    a    a    a    a
NA  3 4 i 3 - 4 <NA> <NA> <NA> <NA> <NA>
3   1 4 j 1 - 4    e    e    f    f    e

Answer 4

您还可以以两种方式连接表（X == A 和 Y == B，然后 X == B 和 Y == A）并rbind它们。这将产生重复对，其中一种方式产生匹配，另一种方式产生 NA，因此您可以通过为每个 XY 组合仅切片一行（没有 NA 的行）来减少重复项代码> 如果存在的话。

library(dplyr)
m <- left_join(df2,df1,by = c("X" = "A","Y" = "B"))
n <- left_join(df2,df1,by = c("Y" = "A","X" = "B"))

rbind(m,n) %>%
  group_by(X,Y) %>%
  arrange(C,D,E,F,G) %>% # sort to put NA rows on bottom of pairs
  slice(1) # take top row from combination

生产：

Source: local data frame [4 x 8]
Groups: X, Y

  X Y Z  C  D  E  F  G
1 1 2 g  a  a  a  a  a
2 1 4 j  e  e  f  f  e
3 2 1 h  a  a  a  a  a
4 3 4 i NA NA NA NA NA

Answer 5

这是基础 R 中的另一个可能的解决方案。此解决方案使用 cbind() 为两个 data.frames 添加新的关键列（K1 和 K2）矢量化 pmin() 和 pmax() 函数来导出关键列的规范顺序，并对其进行合并：

merge(cbind(df2,K1=pmin(df2$X,df2$Y),K2=pmax(df2$X,df2$Y)),cbind(df1,K1=pmin(df1$A,df1$B),K2=pmax(df1$A,df1$B)),all.x=T)[,-c(1:2,6:7)];
##   X Y Z    C    D    E    F    G
## 1 1 2 g    a    a    a    a    a
## 2 2 1 h    a    a    a    a    a
## 3 1 4 j    e    e    f    f    e
## 4 3 4 i <NA> <NA> <NA> <NA> <NA>

请注意 pmin()< 的使用/代码> 和pmax() 仅适用于此问题，因为您只有两个关键列；如果你有更多，那么你必须使用某种 apply+sort 解决方案来实现合并的规范键顺序，类似于 @Andrie 在他的辅助函数中所做的，这适用于任意数量的键列，但是性能会较差。