Início / coding / Perguntas / 79480035
Accepted
Hard_Course
Asked: 2025-03-03 10:08:22 +0800 CST

Correspondência de colunas em pares da esquerda para a direita em linhas de um dataframe para outro dataframe e adição de novas colunas com valores correspondentes

  • 772

Eu tenho um conjunto de dados como este:

 df1 <- data.frame(
    col1 = c(1, 2, 3),
    col2 = c(4, 5, 6),
    col3 = c(2, 8, 9),
    col4 = c(5, 11, 12),
    col5 = c(13, 14, 15),
    col6 = c(16, 17, 18),
    col7 = c(19, 20, 21),
    col8 = c(22, 23, 24)
  )

e um segundo que tem uma 'chave' de correspondências que estou procurando no df1:

df2 <- data.frame(
    colA = c(1, 2, 3),
    colB = c(4, 5, 6),
    value = c(100, 200, 300)
  )

o que estou tentando fazer é encontrar cada correspondência de coluna em pares da esquerda para a direita e criar uma nova coluna contendo o valor de df2 toda vez que houver uma correspondência, para que fique assim:

 df3 <- data.frame(
    col1 = c(1, 2, 3),
    col2 = c(4, 5, 6),
    col3 = c(2, 8, 9),
    col4 = c(5, 11, 12),
    col5 = c(13, 14, 15),
    col6 = c(16, 17, 18),
    col7 = c(19, 20, 21),
    col8 = c(22, 23, 24),
    match1 = c(100, 200, 300),
    match2 = c(200, NA, NA)
  )

Eu tentei esse tipo de abordagem:

df_match <- inner_join(df1, df2, by = c("col1" = "colA", "col2" = "colB"))
  
  df1$matched_value <- df_match$value[match(paste(df1$col1, df1$col2), paste(df_match$col1, df_match$col2))]

mas ele retorna apenas uma correspondência entre as linhas. O outro problema é que estou executando isso por muitas iterações que têm números variados de colunas em df1. Estou pensando que preciso de algo do tipo entre as linhas começa com 'col', mas estou bem travado.

5 respostas

  1. Best Answer

    Você pode tentar o seguinte usando Reduce:

    df3 <- Reduce(left_join, 
   append(list(df1), 
          lapply(1:(ncol(df1) - 1), \(i)
            setNames(df2, c(paste0("col", i+0:1), paste0("match", i))))))

    Que retorna:

      col1 col2 col3 col4 col5 col6 col7 col8 match1 match2 match3 match4 match5 match6 match7
1    1    4    2    5   13   16   19   22    100     NA    200     NA     NA     NA     NA
2    2    5    8   11   14   17   20   23    200     NA     NA     NA     NA     NA     NA
3    3    6    9   12   15   18   21   24    300     NA     NA     NA     NA     NA     NA

    Seria então fácil omitir as colunas "match" que são todas NA, se desejado. Por exemplo.

    select(df3, where(~any(!is.na(.))))

  col1 col2 col3 col4 col5 col6 col7 col8 match1 match3
1    1    4    2    5   13   16   19   22    100    200
2    2    5    8   11   14   17   20   23    200     NA
3    3    6    9   12   15   18   21   24    300     NA
    • 1

  2. Tentar combn+ match+colSums

    lut <- combn(df1, 2, \(...) do.call(paste, ...))
d <- matrix(with(df2, value[match(lut, paste(colA, colB))]), nrow(lut))
cbind(df1, as.data.frame(d[, colSums(!is.na(d)) > 0]))

    e você obterá

      col1 col2 col3 col4 col5 col6 col7 col8  V1  V2
1    1    4    2    5   13   16   19   22 100 200
2    2    5    8   11   14   17   20   23 200  NA
3    3    6    9   12   15   18   21   24 300  NA
    • 1

  3. na Base R:

    reshape(df1, matrix(1:ncol(df1), 2), dir="long")|>
   merge(df2, by.x = c('col1', 'col2'), by.y = c('colA', 'colB'))|>
   reshape(dir = 'wide')|>
   (\(x)subset(x, select = startsWith(names(x), "value")))()|>
   cbind(df1, match=_)

  col1 col2 col3 col4 col5 col6 col7 col8 match.value.1 match.value.2
1    1    4    2    5   13   16   19   22           100           200
2    2    5    8   11   14   17   20   23           200            NA
4    3    6    9   12   15   18   21   24           300            NA

    no Tidyverse:

    df1%>%
   rename_with(~str_replace_all(.x, "\\d", ~(as.numeric(.) - 1)%/%2) %>% 
               str_c(rep(1:2, length = length(.x)), sep="_value")) %>% 
   rowid_to_column() %>% 
   pivot_longer(-rowid, names_to = c("grp", ".value"), names_sep = "_") %>% 
   right_join(df2, join_by(value1==colA, value2==colB)) %>% 
   pivot_wider(id_cols = rowid, names_from = grp, values_from = value) %>% 
   select(-rowid) %>% 
   bind_cols(df1, .)



  col1...1 col2 col3 col4 col5 col6 col7 col8 col0 col1...10
1        1    4    2    5   13   16   19   22  100       200
2        2    5    8   11   14   17   20   23  200        NA
3        3    6    9   12   15   18   21   24  300        NA
    • 0

  4. Poderíamos matchentrar .rle​outer

    > fun <- \(x, y) all(diff(match(y, with(rle(as.vector(x)), values[lengths == 1]))) == 1)
> res <- outer(asplit(df1, 1), asplit(df2[1:2], 1), Vectorize(fun)) |> 
+   apply(1, which)
> cbind(df1, t(sapply(res, \(i) `length<-`(df2$value[i], max(lengths(res))))))
  col1 col2 col3 col4 col5 col6 col7 col8   1   2
1    1    4    2    5   13   16   19   22 100 200
2    2    5    8   11   14   17   20   23 200  NA
3    3    6    9   12   15   18   21   24 300  NA
    • 0

  5. Outra tidyverseopção poderia ser (assumindo colunas sobrepostas como 1-2, 2-3, 3-4):

    df1 %>% 
 bind_cols(map_dfc(.x = head(seq_along(df1), -1), 
                   ~ df1 %>%
                    select("colA" = .x,
                           "colB" = .x + 1) %>%
                    left_join(df2) %>%
                    select(!!paste0("match", .x) := value)))

  col1 col2 col3 col4 col5 col6 col7 col8 match1 match2 match3 match4 match5 match6 match7
1    1    4    2    5   13   16   19   22    100     NA    200     NA     NA     NA     NA
2    2    5    8   11   14   17   20   23    200     NA     NA     NA     NA     NA     NA
3    3    6    9   12   15   18   21   24    300     NA     NA     NA     NA     NA     NA
    • 0

relate perguntas