R：基于另一个数据帧中的值查找数据帧中的值

这个问题类似于被问到的问题，但还有另一个专栏在起作用

我有两个R数据帧：

df_1有四列

Name1

具有关联的类型

Type1

。也就是说，A1是T1类型，A4是T3类型，等等。最后一列只是名称

ID1     Name1     Type1     Name2
1       A1         T1        B1
2       A2         T2        B2
3       A3         T1        B3_a
4       A4         T3        B4_a  

我还有第二个数据框，其中列出了

Name2

中可能出现的所有名称

df_2：

在df_1中，

Name2

可能比df_2中的

NameBank

中的关联值包含更多字符

我想在df_2中找到与df_1中的

Name2

相关联的

TypeBank

值。也就是说，我希望最终的数据帧如下所示：

ID1     Name1     Type1     Name2     Type2
1       A1         T1        B1       T1
2       A2         T2        B2       T4
3       A3         T1        B3_a     T2
4       A4         T3        B4_a     T3

---

第一个数据帧中有上万个条目，第二个数据帧中有几百个条目。如何在R中有效地执行此操作？

使用dplyr的一种方法：

library(dplyr)

t1 %>%
  mutate(Name3 = sub("_[a-z]$", "", Name2)) %>%
  left_join(t2, by = c("Name3" = "NameBank")) %>%
  select(-Name3)

#output
  ID1 Name1 Type1 Name2 TypeBank
1   1    A1    T1    B1       T1
2   2    A2    T2    B2       T4
3   3    A3    T1  B3_a       T2
4   4    A4    T3  B4_a       T3

首先，我们通过删除字符串末尾的任何字母来生成一个新变量，然后通过新变量连接两个数据帧

根据

Name2

和

NameBank

之间的关系，其他一些字符串操作可能更适合

数据：

---

因此，

NameBank

的第5个元素与

Name2

的第1个元素匹配。结束，然后使用该信息适当地绑定两个数据帧

由于您正在搜索字符串开头的匹配项，但没有任何逻辑上的“regex-able”规则可供使用，因此可以使用

for

循环

我们检查

t2$NameBank

的每个值，找到

t1

中

NameBank

值与开始匹配的所有行（与给定的

NameBank

值长度相同），并用相应的

TypeBank

值替换它们

t1$Type2 <- NA_character_
for( row in seq_len( nrow( t2 ) ) ) {
    t1$Type2[ substr( t1$Name2, 0, nchar( t2$NameBank[row] ) ) == t2$NameBank[row] ] <- t2$TypeBank[row]
}

---

这是一个

for

循环，因此在大数据集上可能会很慢，但在您的情况下，这似乎是必要的。

NameBank的所有值是否总是与

Name2

值的前两个字符匹配？@rosscova一个好问题：否。是否总是在末尾添加额外的字符，并以下划线开头？如果是这样的话，下面@missuse的答案应该是有效的。这也是一个好问题——我的MWE看起来有点误导人，我道歉！角色可以是任何东西。开头总是包含一个匹配项：也就是说，我可以用B3axyzlmnop、B3ThisisaWord或带有空格的“B3某物”来代替B3_a。名称库的

值是否总是2个字符长？
t1 <- read.table(text = "ID1     Name1     Type1     Name2
1       A1         T1        B1
2       A2         T2        B2
3       A3         T1        B3_a
4       A4         T3        B4_a", header = T)


t2 <- read.table(text = "NameBank     TypeBank
A1             T1
A2             T2
A3             T1
A4             T3
B1             T1
B2             T4
B3             T2
B4             T3", header = T)

chrs <- charmatch(t2$NameBank, t1$Name2)
cbind(
  t1[chrs[!is.na(chrs)],],
  t2[which(!is.na(chrs)),]
)
#output
  ID1 Name1 Type1 Name2 NameBank TypeBank
1   1    A1    T1    B1       B1       T1
2   2    A2    T2    B2       B2       T4
3   3    A3    T1  B3_a       B3       T2
4   4    A4    T3  B4_a       B4       T3

chrs
[1] NA NA NA NA  1  2  3  4

t1$Type2 <- NA_character_
for( row in seq_len( nrow( t2 ) ) ) {
    t1$Type2[ substr( t1$Name2, 0, nchar( t2$NameBank[row] ) ) == t2$NameBank[row] ] <- t2$TypeBank[row]
}

> t1
  ID1 Name1 Type1 Name2 Type2
1   1    A1    T1    B1    T1
2   2    A2    T2    B2    T4
3   3    A3    T1  B3_a    T2
4   4    A4    T3  B4_a    T3