dplyr ::从另一个数据帧上的不同列多个条件变异

Question

编辑 我离开的情况下，它是有用的人的问题，但现在看来，这竟是dplyr版中的问题[见下文] 。

---

在R和使用dplyr，我有两个数据帧df1和df2：

library(dplyr) 
set.seed(2) 
df1 = data.frame(letter=rep(letters[1:2], each=5), min=runif(10)) 
df1 = mutate(df1, max=min+runif(10)) 
df2 = data.frame(letters=rep(letters[1:2], 25), position=runif(50), val=rnorm(50)) 

对于df1每一行，我想计算所有df2$val其中df2$position是df1$min和之间的总和df1$max AND df2$letters等于df1$letter。

从this question on SO，我可以做调理的第一部分（即和，df2$position之间df1$mindf1$max）：

incompleteCond = df1 %>% rowwise %>% 
    mutate(sumval = sum(df2$val[between(df2$position, min, max)])) 

但这不保证df2$letters与同意的df2满足这个条件的行总结相应的df1$letter。我怎样才能在这个其他列上添加这个条件？ 以下尝试不起作用：

# Note: these solutions actually DO the job with dplyr_0.4.3! 
wrong1 = df1 %>% rowwise %>% 
    mutate(sumval = 
      sum(df2$val[between(df2$position, min, max) & df2$letters==letter])) 

wrong3 = df1 %>% rowwise %>% 
    mutate(sumval = 
      sum(df2[(df2$position>=min) & (df2$position<=max) & (df2$letters==letter), 
        'val'])) 

---

编辑

看起来这实际上是版本的问题：从dplyr_0.4.1去dplyr_0.4.3解决了这个问题，它意味着：上面的wrong1和wrong3实际上是正确的（它们只给出版本为0.4.1的零）。

作为一个方面说明，我还没有找到dplyr的唯一解决方案 - 子集（filter）df2，但上述工作，以及@ r2evans的好回答也是如此。

Answer 1

你很接近，我认为：

df1 %>% 
    rowwise() %>% 
    mutate(sumval = sum(df2$val[df2$letters == letter & between(df2$position, min, max)])) 
## Source: local data frame [10 x 4] 
## Groups: <by row> 
## letter  min  max  sumval 
## (fctr)  (dbl)  (dbl)  (dbl) 
## 1  a 0.1848823 0.7375563 -3.8432366 
## 2  a 0.7023740 0.9412688 -0.9138266 
## 3  a 0.5733263 1.3338396 4.1341039 
## 4  a 0.1680519 0.3488720 -2.5142686 
## 5  a 0.9438393 1.3491215 3.6405305 
## 6  b 0.9434750 1.7970234 -0.1416608 
## 7  b 0.1291590 1.1055575 -5.2083130 
## 8  b 0.8334488 1.0592743 1.0618699 
## 9  b 0.4680185 0.9128277 -2.3595283 
## 10  b 0.5499837 0.6249632 0.0000000 

另一种选择，如@aosmith建议，是先加入这两个数据集。可能注意到

df1 %>% 
    mutate(grp = 1:n()) %>% 
    left_join(df2, by=c('letter'='letters')) %>% 
    filter(position >= min & position <= max) %>% 
    group_by(grp) %>% 
    summarize(letter=letter[1], min=min[1], max=max[1], sumval=sum(val)) %>% 
    select(-grp) 
## Source: local data frame [9 x 4] 
## letter  min  max  sumval 
## (fctr)  (dbl)  (dbl)  (dbl) 
## 1  a 0.1848823 0.7375563 -3.8432366 
## 2  a 0.7023740 0.9412688 -0.9138266 
## 3  a 0.5733263 1.3338396 4.1341039 
## 4  a 0.1680519 0.3488720 -2.5142686 
## 5  a 0.9438393 1.3491215 3.6405305 
## 6  b 0.9434750 1.7970234 -0.1416608 
## 7  b 0.1291590 1.1055575 -5.2083130 
## 8  b 0.8334488 1.0592743 1.0618699 
## 9  b 0.4680185 0.9128277 -2.3595283 

一个区别是，最后的“B”组不包括在后一类，因为没有数据在给定范围内。

编辑：从使用between（其不向量化的最小值/最大值的参数），以更简单的向量比较，否定使用rowwise的性能惩罚改变了加入代码。我也删除了ungroup，因为在summarize之后，分组无论如何都被移除了。

FYI：

sessionInfo() 
## R version 3.2.2 (2015-08-14) 
## Platform: x86_64-w64-mingw32/x64 (64-bit) 
## Running under: Windows 8 x64 (build 9200) 
## locale: 
## [1] LC_COLLATE=English_United States.1252 
## [2] LC_CTYPE=English_United States.1252 
## [3] LC_MONETARY=English_United States.1252 
## [4] LC_NUMERIC=C       
## [5] LC_TIME=English_United States.1252  
## attached base packages: 
## [1] stats  graphics grDevices utils  datasets methods base  
## other attached packages: 
## [1] dplyr_0.4.3 
## loaded via a namespace (and not attached): 
## [1] compiler_3.2.2 lazyeval_0.1.10 magrittr_1.5 R6_2.1.1  
## [5] assertthat_0.1 parallel_3.2.2 tools_3.2.2  DBI_0.3.1  
## [9] htmltools_0.2.6 Rcpp_0.12.1  rmarkdown_0.8.1 digest_0.6.8