R 数据帧中的搜索与匹配

我对

R

非常陌生，如果这是一个非常基本的问题，请原谅我。使用下面的说明，我编辑了这个问题，希望它更有意义

我有一个数据框

d

，看起来像这样

SAMPLE <-c("blueberry", "broccoli")
OPT1 <-c("apple", "beef")
OPT2 <-c("oatmeal", "bacon")
RESPONSE <- c("oatmeal", "beef")
d <- data.frame(SAMPLE,OPT1,OPT2, RESPONSE)

因此，我想在

dist

中查找

d$RESPONSE

和

d$SAMPLE

的行/列匹配。在

d$OPT1.d

的新列中，第一个条目应为

0.09

，即

dist

中“燕麦”和“蓝莓”之间的距离。第二个条目应该是

0.671

，“牛肉”和“花椰菜”之间的距离

---

希望这更有意义？我使用了下面的代码，

d$OPT1.d这是为矩阵索引量身定制的，这是R的一个鲜为人知但非常强大的功能。您所需要的就是这个命令（然后对OPT2重复）

d$OPT1D这是为矩阵索引量身定制的，这是R的一个鲜为人知但非常强大的功能。您所需要的就是这个命令（然后为OPT2重复）

d$OPT1D您的第一个问题是，d的类型是因子，当您尝试将其用作dist[cbind（d$RESPONSE，d$OPT1）]中的索引时，会将其转换为整数（而不是字符）。调用data.frame时需要使用stringsAsFactors=FALSE

d <- data.frame(SAMPLE,OPT1,OPT2, RESPONSE, stringsAsFactors=FALSE)

第一个问题是d的类型是因子，当您尝试在dist[cbind（d$RESPONSE，d$OPT1）]中将其用作索引时，会将其转换为整数（而不是字符）。调用data.frame时需要使用stringsAsFactors=FALSE

d <- data.frame(SAMPLE,OPT1,OPT2, RESPONSE, stringsAsFactors=FALSE)

还要注意，距离矩阵是不对称的，这有点可疑。作为一种实践，在这个网站上，你应该使用评论与回答的人进行交流。如果你意识到你的问题不够清楚，你应该编辑你的问题。但你们不应该在重新提问时给出答案，还要注意你们的距离矩阵是不对称的，这有点可疑。作为一种实践，在这个网站上，你应该使用评论与回答的人进行交流。如果你意识到你的问题不够清楚，你应该编辑你的问题。但你不应该在回复后再问你这个问题。
d$OPT1D <- dist[cbind(d$RESPONSE, d$OPT1)]

d <- read.table(text="SAMPLE        OPT1        OPT2        RESPONSE        OPT1D        OPT2D
banana        blueberry   oatmeal     oatmeal         NA           NA
broccoli      beef        bacon       beef            NA           NA",
                 header=TRUE, stringsAsFactors=FALSE)
dist <- read.table(text="blueberry      beef           oatmeal
0              0.15           0.09
0.17           0              0.0872
0.09           0.0979         0", header=TRUE, stringsAsFactors=FALSE)
dist <- as.matrix(dist)
rownames(dist) <- colnames(dist)



> d
    SAMPLE      OPT1    OPT2 RESPONSE OPT1D OPT2D
1   banana blueberry oatmeal  oatmeal  0.09    NA
2 broccoli      beef   bacon     beef  0.00    NA

d <- data.frame(SAMPLE,OPT1,OPT2, RESPONSE, stringsAsFactors=FALSE)

dist <- cbind(blueberry,beef, oatmeal, broccoli)
rownames(dist) <- colnames(dist) <- X

dist[cbind(d$RESPONSE, d$SAMPLE)]
[1] 0.090 0.671