在R中，基于另一个表中的列值过滤表？

Question

我在这里搜索类似的问题，但找不到答案。请你帮我实现这个任务。我有一张拥有超过10,000名患者病历的大型数据集的表格，另外还有689名患者的表格。我想过滤大表，只保留第二个表中与患者有关的记录。然后创建一个新表，将两个表分组，然后我最终得到三个表（两个过滤表和一个合并表）。

============================我现在拥有的============== =======

表1（相关患者）：

ID | PatientID | Record1 | Record2 | Record3 
-------------------------------------------------------- 
1 | 7366  | 3  | 1  |  1 
2 | 7362  | 3  | 1  |  1 
3 | 7361  | 3  | 1  |  1 
4 | 7360  | 3  | 1  |  1 
5 | 7363  | 3  | 1  |  1 

表2（所有的患者）：

ID | PatientID | Blood  | SomeRecord | Foo 
    -------------------------------------------------------- 
    1 | 7316  | 06668  | 21/08/2015 |  1 
    2 | 7302  | 08677  | 21/08/2015 |  3 
    3 | 7341  | 07787  | 21/08/2015 |  2 
    4 | 7340  | 08977  | 21/08/2015 |  1 
    5 | 7313  | 07887  | 21/08/2015 |  1 
    6 | 7366  | 56668  | 21/08/2015 |  1 
    7 | 7362  | 88677  | 21/08/2015 |  3 
    8 | 7361  | 77787  | 21/08/2015 |  2 
    9 | 7360  | 98977  | 21/08/2015 |  1 
    10 | 7363  | 87887  | 21/08/2015 |  1 

我想基于表中的一个来过滤表2患者ID。该组1和2放入一个新表中。

============================ Desired Out Put =============== ======

表2（所有患者现在过滤）：

ID | PatientID | Blood  | SomeRecord | Foo 
    -------------------------------------------------------- 
    6 | 7366  | 56668  | 21/08/2015 |  1 
    7 | 7362  | 88677  | 21/08/2015 |  3 
    8 | 7361  | 77787  | 21/08/2015 |  2 
    9 | 7360  | 98977  | 21/08/2015 |  1 
    10 | 7363  | 87887  | 21/08/2015 |  1 

表3（所有患者现在过滤所有记录分组）：

ID |PatientID|Blood|SomeRecord|Foo|Record1|Record2|Record3 
    -------------------------------------------------------- 
    6 | 7366 |56668|21/08/2015 |1 | 3 | 1 | 1  
    7 | 7362 |88677|21/08/2015 |3 | 3 | 1 | 1  
    8 | 7361 |77787|21/08/2015 |2 | 3 | 1 | 1  
    9 | 7360 |98977|21/08/2015 |1 | 3 | 1 | 1  
    10 | 7363 |87887|21/08/2015 |1 | 3 | 1 | 1  

Answer 1

试试这个：

final_data<-merge(table2, table1, by =c("PatientID", "ID"), all.y = T) 

Answer 2

这是我怎么会在data.table做到这一点：

library(data.table) 
setDT(table1) #convert each table _by reference_ to the data.table type 
setDT(table2) 

其实我觉得它更容易先完成你的第二个步骤。

首先，反连接：

table3 <- table2[table1, on = "PatientID", nomatch = 0L] 

我们可以认为这是一个子集，因为table1是i;它同时是一个合并（通过使用on证明），即我们通过PatientID合并table1和table2，只保留在table1匹配行（通过激活nomatch = 0下降不匹配的行）

接下来，过滤table2：

table2 <- table3[ ,names(table2), with = FALSE] 

基本上，我们刚刚从table3去除table1所有列得到过滤table2。

Answer 3

根本就是两个连接在dplyr：

library(dplyr) 
semi_join(table2,table1, by=("PatientID")) 
inner_join(table2,table1, by=("PatientID")) 

结果：

> semi_join(table2,table1, by=("PatientID")) 
    ID PatientID Blood SomeRecord Foo 
1 6  7366 56668 21/08/2015 1 
2 7  7362 88677 21/08/2015 3 
3 8  7361 77787 21/08/2015 2 
4 9  7360 98977 21/08/2015 1 
5 10  7363 87887 21/08/2015 1 
> inner_join(table2,table1, by=("PatientID")) 
    ID.x PatientID Blood SomeRecord Foo ID.y Record1 Record2 Record3 
1 6  7366 56668 21/08/2015 1 1  3  1  1 
2 7  7362 88677 21/08/2015 3 2  3  1  1 
3 8  7361 77787 21/08/2015 2 3  3  1  1 
4 9  7360 98977 21/08/2015 1 4  3  1  1 
5 10  7363 87887 21/08/2015 1 5  3  1  1 

数据

table1 <-read.table(text="ID PatientID Record1 Record2 Record3 
1  7366   3  1   1 
2  7362   3  1   1 
3  7361   3  1   1 
4  7360   3  1   1 
5  7363   3  1   1", 
header=T,stringsAsFactors =F) 

table2 <-read.table(text=" ID PatientID Blood  SomeRecord Foo 
    1  7316   06668  21/08/2015  1 
    2  7302   08677  21/08/2015  3 
    3  7341   07787  21/08/2015  2 
    4  7340   08977  21/08/2015  1 
    5  7313   07887  21/08/2015  1 
    6  7366   56668  21/08/2015  1 
    7  7362   88677  21/08/2015  3 
    8  7361   77787  21/08/2015  2 
    9  7360   98977  21/08/2015  1 
    10 7363   87887  21/08/2015  1", 
header=T,stringsAsFactors =F) 

Answer 4

1）无包装如果DF1和DF2是两个数据帧，则M和M[1:5]是必需的输出。省略线标记##如果不需要排序：

M <- merge(DF2, DF1[-1], by = "PatientID") 

o <- order(M$ID) ## 
M <- M[o, ] ## 

，并提供：

> M[1:5] 

    PatientID ID Blood SomeRecord Foo 
5  7366 6 56668 21/08/2015 1 
3  7362 7 88677 21/08/2015 3 
2  7361 8 77787 21/08/2015 2 
1  7360 9 98977 21/08/2015 1 
4  7363 10 87887 21/08/2015 1 

> M 
    PatientID ID Blood SomeRecord Foo Record1 Record2 Record3 
5  7366 6 56668 21/08/2015 1  3  1  1 
3  7362 7 88677 21/08/2015 3  3  1  1 
2  7361 8 77787 21/08/2015 2  3  1  1 
1  7360 9 98977 21/08/2015 1  3  1  1 
4  7363 10 87887 21/08/2015 1  3  1  1 

2）sqldf

> library(sqldf) 
> sqldf("select b.* from DF1 a join DF2 b using (PatientID)") 

    ID PatientID Blood SomeRecord Foo 
1 6  7366 56668 21/08/2015 1 
2 7  7362 88677 21/08/2015 3 
3 8  7361 77787 21/08/2015 2 
4 9  7360 98977 21/08/2015 1 
5 10  7363 87887 21/08/2015 1 

> sqldf("select b.*, a.* from DF1 a join DF2 b using (PatientID)") 

    ID PatientID Blood SomeRecord Foo ID PatientID Record1 Record2 Record3 
1 6  7366 56668 21/08/2015 1 1  7366  3  1  1 
2 7  7362 88677 21/08/2015 3 2  7362  3  1  1 
3 8  7361 77787 21/08/2015 2 3  7361  3  1  1 
4 9  7360 98977 21/08/2015 1 4  7360  3  1  1 
5 10  7363 87887 21/08/2015 1 5  7363  3  1  1 

注：输入是：

Lines1 <- "ID | PatientID | Record1 | Record2 | Record3 
1 | 7366  | 3  | 1  |  1 
2 | 7362  | 3  | 1  |  1 
3 | 7361  | 3  | 1  |  1 
4 | 7360  | 3  | 1  |  1 
5 | 7363  | 3  | 1  |  1" 

Lines2 <- " ID | PatientID | Blood  | SomeRecord | Foo 
    1 | 7316  | 06668  | 21/08/2015 |  1 
    2 | 7302  | 08677  | 21/08/2015 |  3 
    3 | 7341  | 07787  | 21/08/2015 |  2 
    4 | 7340  | 08977  | 21/08/2015 |  1 
    5 | 7313  | 07887  | 21/08/2015 |  1 
    6 | 7366  | 56668  | 21/08/2015 |  1 
    7 | 7362  | 88677  | 21/08/2015 |  3 
    8 | 7361  | 77787  | 21/08/2015 |  2 
    9 | 7360  | 98977  | 21/08/2015 |  1 
    10 | 7363  | 87887  | 21/08/2015 |  1" 

DF1 <- read.table(text = Lines1, header = TRUE, sep = "|", strip.white = TRUE) 
DF2 <- read.table(text = Lines2, header = TRUE, sep = "|", strip.white = TRUE)