0

我有一个数据框，显示一些关于个人的数据（ID），他们居住的每一年都有一行。它还包含有关父母 ID ( P.ID) 和出生时父母年龄 ( P.AB) 的信息。

# Dataframe A: 1 row per individual
dfA <- data.frame(
  "ID"   = c("A", "B", "C", "D", "E"), 
  "P.ID" = c(NA,  "A", "A", "B", "B"), 
  "P.AB" = c(NA, 3, 4, 2, 4),
  "LS" = c(5, 6, 3, 4, 5))

# Dataframe B: 1 row per year of life
dfB <- data.frame("ID" = rep(dfA[,'ID'], dfA[,'LS']+1))
dfB <- merge(dfB, dfA, by = "ID")

dfB[ ,'AGE'] <- 0
for(i in 2:length(dfB[,1])){
  if(dfB[i,'ID'] == dfB[i-1, 'ID']){
    dfB[i,'AGE'] <- dfB[i-1, 'AGE'] + 1
  }
}

给予：

> head(dfB)
  ID P.ID P.AB LS AGE
1  A <NA>   NA  5   0
2  A <NA>   NA  5   1
3  A <NA>   NA  5   2
4  A <NA>   NA  5   3
5  A <NA>   NA  5   4
6  A <NA>   NA  5   5

然后我要做的是让 R 将“1”放入列REP中以显示个人复制的年份。例如， B在A 3岁时出生于A，因此A 3 岁的那一行得到 1。我一直在尝试使用但努力使用多个标准来完成这项工作。一种解决方法是将and粘贴在一起（加上一个随机字符串以确保在我的较大数据集中没有错误的重复），但这感觉它缺乏优雅并且不必要地复杂。我想知道一个人可以/如何使用多个标准？%in%IDage%in%

# Add 1 where an individual reproduced
dfB[,'REP'] <- 0
dfB[,'T1'] <- paste0(dfB[,'AGE'],  "abcdefghijk656hjhjhj", dfB[,'ID'])
dfB[,'T2'] <- paste0(dfB[,'P.AB'], "abcdefghijk656hjhjhj", dfB[,'P.ID'])
dfB[,'REP'][dfB[,'T1'] %in% dfB[,'T2']] <- 1
dfB[,'T2'] <- dfB[,'T1'] <- NULL
dfB

输出将如下所示：

> dfB
   ID P.ID P.AB LS AGE REP
1   A <NA>   NA  5   0   0
2   A <NA>   NA  5   1   0
3   A <NA>   NA  5   2   0
4   A <NA>   NA  5   3   1
5   A <NA>   NA  5   4   1
6   A <NA>   NA  5   5   0
7   B    A    3  6   0   0
8   B    A    3  6   1   0
9   B    A    3  6   2   1
10  B    A    3  6   3   0
11  B    A    3  6   4   1
12  B    A    3  6   5   0
13  B    A    3  6   6   0
14  C    A    4  3   0   0
15  C    A    4  3   1   0
16  C    A    4  3   2   0
17  C    A    4  3   3   0
18  D    B    2  4   0   0
19  D    B    2  4   1   0
20  D    B    2  4   2   0
21  D    B    2  4   3   0
22  D    B    2  4   4   0
23  E    B    4  5   0   0
24  E    B    4  5   1   0
25  E    B    4  5   2   0
26  E    B    4  5   3   0
27  E    B    4  5   4   0
28  E    B    4  5   5   0

我尝试了这个（和一些变体），它接近了，正确地将它们添加到正确的个体，但是在错误的年份 - 它看到A和B都繁殖，并且繁殖发生在 2、3 和 4 岁（6事件总数），但不是A和B都在 4 岁时繁殖，而A也在 3 岁时繁殖，B也在 2 岁时繁殖（总共 4 次事件）：

dfB[,'REP'][dfB[,'P.ID'] %in% dfB[,'ID'] & dfB[,'P.AB'] %in% dfB[,'AGE']] <- 1  
dfB[,'REP'][dfB[,'ID'] %in% dfB[,'P.ID'] & dfB[,'AGE'] %in% dfB[,'P.AB'] ] <- 1

作为对此的扩展，我想要每个年龄的后代数量，而不仅仅是 1 或 0，这是可行的（我更改dfA为B和C是双胞胎），但也可能效率低下：

# Counts of offspring per year
dfA[,'PASTED'] <- paste0(dfA[,'P.ID'], "randomtext",  dfA[,'P.AB'])
# Create rep column
dfB[,'REP'] <- 0
# Paste together ID and AGE columns to give unique row identifiers
dfB[,'T1'] <- paste0(dfB[,'AGE'],  "randomtext", dfB[,'ID'])
dfB[,'T2'] <- paste0(dfB[,'P.AB'], "randomtext", dfB[,'P.ID'])
# Add Reps
dfB[,'REP'][dfB[,'T1'] %in% dfB[,'T2']] <- table(dfA[,'PASTED'])
# Remove excess columns
dfB[,'T2'] <- dfB[,'T1'] <- NULL
4

1 回答 1

0

如果您正在考虑使用%in%多个列，那么您可能正在寻找合并/连接。您可以使用基本 R 来完成这一切，但我发现在一些帮助下更容易做到dplyr

library(dplyr)
dfB %>% 
  select(P.ID, P.AB) %>% 
  distinct() %>% 
  filter(!is.na(P.ID)) %>% 
  rename(ID=P.ID, AGE=P.AB) %>% 
  mutate(REP=1) %>% 
  left_join(dfB, .) %>% 
  mutate(REP=coalesce(REP, 0))

基本上，您只需从数据中找到唯一的父/年龄值，然后将其连接回相同的 data.frame，但在不同的列上匹配。

于 2018-08-15T18:56:43.880 回答