跨列匹配值

Question

假设我有数据框，并且想要查看给定列中的每个给定值是否等于第二列的下一行中的值？

我能为1场做到这一点，但我想这样做对整个数据帧：

match(dataset$co1[i], dataset$co1[i+1]) # where i is a given row # 

测试数据集：

case <- c("A", "B", "C", "A", "A", "A" ,"B", "C", "B", "A") 
col1 <- c(1, 100, 50, 600, 29, 72, 7, 64, 15, 85) 
col2 <- c(600, 7, 64, 29, 57, 85, 12, 82, 71, 34) 
dataset <- data.frame(case, col1, col2) 

我也想这样做这个BY情况。我试图看看我是否可以在比赛中发表声明，但我很难弄清楚如何沿着一列进行索引。

有什么建议吗？

Answer 1

正如@Frank指出的，根据您的匹配条件和您提供的数据集，不会有任何匹配。所以出于说明的目的，我修改了你的数据集以表明我的解决方案真的有效。这里有一个简单的方法使用dplyr：

# Modified dataset 
case <- c("A", "B", "C", "A", "A", "A" ,"B", "C", "B", "A") 
col1 <- c(1, 100, 50, 600, 29, 72, 7, 64, 15, 85) 
col2 <- c(600, 7, 64, 1, 600, 85, 100, 82, 71, 34) 
dataset <- data.frame(case, col1, col2) 
> dataset 
    case col1 col2 
1  A 1 600 
2  B 100 7 
3  C 50 64 
4  A 600 1 
5  A 29 600 
6  A 72 85 
7  B 7 100 
8  C 64 82 
9  B 15 71 
10 A 85 34 

请注意，我改变了COL2的第4行至1，第5行600和第7行100这样COL2的第4行会配合1日当与匹配时，col2的第5个与col1的第4个匹配，并且col2的第7个与col1的第2个匹配。此外，当不是大小写匹配时，只有第5列col2将与col1的第4列匹配。

library(dplyr) 
dataset %>% 
    add_rownames() %>% 
    mutate(col2 = lead(col2)) %>% 
    filter(col1 == col2) 

# A tibble: 1 × 4 
    rowname case col1 col2 
    <chr> <fctr> <dbl> <dbl> 
1  4  A 600 600 

该代码返回与col2的下一行匹配的col1的行。我加了add_rownames()，这样你就知道它的原始行索引dataset。 mutate()中的lead()功能与dplyr中的lag()简单相反（基数R中的通用lag()不允许延迟非时间序列向量）。它通过k = -1“落后”col2。

dataset %>% 
    add_rownames() %>% 
    group_by(case) %>% 
    mutate(col2 = lead(col2)) %>% 
    filter(col1 == col2) 

Source: local data frame [3 x 4] 
Groups: case [2] 

    rowname case col1 col2 
    <chr> <fctr> <dbl> <dbl> 
1  1  A  1  1 
2  2  B 100 100 
3  4  A 600 600 

通过添加group_by()，您可以做同样的事情，但通过“案例”。如您所见，它会按照预期返回匹配的行。

如果你不想使用dplyr出于某种原因，这里是一个更通用的解决方案：

## No group by case 
# Lag col2 (Call the lagged column col3) 
dataset$col3 = c(dataset$col2[-1], NA) 

dataset$match = mapply(function(x, y) match(x, y, nomatch = FALSE), 
         dataset$col1, dataset$col3) 

> dataset[dataset$match == 1,] 
    case col1 col2 col3 match 
4 A 600 1 600  1 

## Group by case 
# Split dataset into groups 
dataList = split(dataset, case) 

dataMatched = lapply(dataList, function(x){ 
    x$col2 = c(x$col2[-1], NA) 
    x$match = mapply(function(x, y) match(x, y, nomatch = FALSE), 
      x$col1, x$col2) 
    return(x) 
}) 

结果列表/数据帧：

> dataMatched 
$A 
    case col1 col2 match 
1  A 1 1  1 
4  A 600 600  1 
5  A 29 85  0 
6  A 72 34  0 
10 A 85 NA  0 

$B 
    case col1 col2 match 
2 B 100 100  1 
7 B 7 71  0 
9 B 15 NA  0 

$C 
    case col1 col2 match 
3 C 50 82  0 
8 C 64 NA  0 

> unsplit(dataMatched, case) 
    case col1 col2 match 
1  A 1 1  1 
2  B 100 100  1 
3  C 50 82  0 
4  A 600 600  1 
5  A 29 85  0 
6  A 72 34  0 
7  B 7 71  0 
8  C 64 NA  0 
9  B 15 NA  0 
10 A 85 NA  0