1

很抱歉，很长的帖子。

尽管我设法使用 for 循环克服了这个问题，但我感觉 sqldf 会更有效，但到目前为止我还不能做到这一点。

我的第一个数据框有一个唯一标识符（名称）。它有点像 1000x5，但本着这样的精神：

Name <- c('Ben','Gary','John','Michael')
Age  <- c(13,20,5,57)
dfA  <- as.data.frame(cbind(Name,Age))

dfA
>        Name Age
>   1     Ben  13
>   2    Gary  20
>   3    John   5
>   4 Michael  57

我的第二个数据框没有唯一键，也是 5000x5，但通常看起来像这样：

Name   <- c('Ben','Ben','Ben','Gary','Michael','Michael','Michael')
Color  <- c('Blue','Red','Green','Red','Yellow','Yellow','Black')
Other.Entries <- c('180','200','150','100','70','200','130')
dfB   <- as.data.frame(cbind(Name,Color))

dfB
>     Name  Color  Other_Entries(not.related)
>1     Ben   Blue   180
>2     Ben    Red   180
>3     Ben  Green   150
>4    Gary    Red   100
>5 Michael Yellow   70
>6 Michael Yellow   200
>7 Michael  Black   130

请注意，每个名称的颜色都有冗余，并且并非所有名称都会出现。

我想要的输出是：

  1. 检索数据框 B 中每个名称的颜色（删除多余的，可能按字母顺序）

  2. 将这几种颜色转换为字符串（例如使用函数“toString”）

  3. 将字符串添加为第一个数据框中的新条目

起初，当我使用 for 循环时，我创建了一个带有这样的空列的新数据框

dfCombined <- dfA
dfCombined["Color"] <- NA

.. 并遍历所有行，从第二个数据帧进行查询。

但也许这可能没有必要使用一些聪明的东西。

最终结果应该是：

dfCombined
>     Name Age    Color
>1     Ben  13   Blue, Green, Red
>2    Gary  20   Red
>3    John   5
>4 Michael  57   Black, Yellow

有什么建议么？

4

2 回答 2

2

1a) 带有多个语句的 sqldf试试这个：

library(sqldf)

dfB_s <- sqldf("select distinct * from dfB order by Name, Color")
dfB_g <- sqldf("select Name, group_concat(Color) Color 
                from  dfB_s
                group by Name")
sqldf("select * 
       from dfA 
       left join dfB_g using (Name)")

1b) 带有一条语句或多合一语句的 sqldf：

sqldf("select * 
       from dfA
       left join
             (select Name, group_concat(Color) Color 
             from 
                 (select distinct * from dfB order by Name, Color)
             group by Name)
       using (Name)")

这些中的任何一个都给出：

     Name Age          Color
1     Ben  13 Blue,Green,Red
2    Gary  20            Red
3    John   5           <NA>
4 Michael  57   Black,Yellow

2）没有包没有sqldf，它会这样做：

dfB_s <- unique(dfB)[order(dfB$Name, dfB$Color), ]
dfB_g <- aggregate(Color ~ Name, dfB_s, toString)
merge(dfA, dfB_g, all.x = TRUE, by = "Name")

3) data.table如果速度是问题，您可能想尝试 data.table：

library(data.table)

unique(data.table(dfB, key = "Name,Color"))[
           , toString(Color), by = Name][
           data.table(dfA)]

给予：

      Name               V1 Age
1:     Ben Blue, Green, Red  13
2:    Gary              Red  20
3:    John               NA   5
4: Michael    Black, Yellow  57

4）dplyr，这是一个 dplyr 解决方案：

图书馆（dplyr）

dfA %.% 
   left_join(dfB %.%
                 unique() %.%
                 arrange(Name, Color) %.% 
                 group_by(Name) %.% 
                 summarise(Color = toString(Color)))

添加了其他解决方案。修正了一些错误。

于 2014-05-05T14:20:41.333 回答
0

要进行批处理，它会在实际代码中执行此操作。伪代码：为颜色数组加载数组变量拉取名称运行while循环：$array = array("foo", "bar", "hello", "world"); var_dump($array); 为每个名称运行插入新表。

于 2014-05-05T00:14:11.650 回答