在 R 中，如何根据另一个不需要精确值的数据框提取行？他们只需要足够接近？

Question

我有两个值大致相同的数据框

DF1：

v1 v2 v3 v4 v5 v6 v7 ......
500 40 5.2 z1 .....
500 40 7.2 z2 .....
500 40 9.0 z3 .....
500 40 3.5 z4 .....
500 40 4.2 z5 .....

DF2：

v1 v2 v3 v4 v5 v6 v7 .....
500 40 5.1 m1 .....
500 40 7.9 m2 .....
500 20 8.6 m3 .....
500 40 3.7 m4 .....
500 40 4.0 m5 .....

我想合并(或任何类似的功能)，以便我的新 df1 文件具有完全匹配的 v1 和 v2，但 v3 不需要严格精确。有没有办法将 v3 匹配到 +/- 0.2 以内？

我希望最终的 df1 看起来像：

v1 v2 v3 v4 v5 v6 v7 .....
500 40 5.2 z1 .....
500 40 3.5 z4 .....
500 40 4.2 z5 .....

我得到了下面，但我不确定如何解释列 v3 的可变性。

hed <- c("v1", "v2", "v3") #original data didn't have header
df1_final <- merge(df1, df2[hed],by=hed)

如果有更好的语言来处理这个问题，我也会接受，但这只是我正在处理的整个 R 脚本的一部分。

Answer 1

使用tidyverse，我们可以首先join，然后用near(和容差)filter：

library(tidyverse)
df1 <- data_frame(v1 = c(500, 500, 500, 500, 500),
v2 = c(40, 40, 40, 40, 40),
v3 = c(5.2, 7.2, 9.0, 3.5, 4.2),
v4 = c("z1", "z2", "z3", "z4", "z5"))
df2 <- data_frame(v1 = c(500, 500, 500, 500, 500),
v2 = c(40, 40, 20, 40, 40),
v3 = c(5.1, 7.9, 8.6, 3.7, 4.0),
v4 = c("m1", "m2", "m3", "m4", "m5"))
df1 %>%
full_join(df2, by = c("v1", "v2")) %>%    # join on v1 and v2
filter(near(v3.x, v3.y, tol = 0.21)) %>%  # filter with a tolerance
rename(v3 = v3.x, v4 = v4.x) %>%          # rename the columns
select(v1:v4)                             # select em

这会产生

# A tibble: 3 x 4
v1    v2    v3 v4   
<dbl> <dbl> <dbl> <chr>
1  500.   40.  5.20 z1   
2  500.   40.  3.50 z4   
3  500.   40.  4.20 z5 

Answer 2

如果你熟悉SQL语法，这(以及许多其他复杂的非相等合并)很容易sqldf

library(sqldf)
df1 <- data.frame(v1 = c(500, 500, 500, 500, 500),
v2 = c(40, 40, 40, 40, 40),
v3 = c(5.2, 7.2, 9.0, 3.5, 4.2),
v4 = c("z1", "z2", "z3", "z4", "z5"))
df2 <- data.frame(v1 = c(500, 500, 500, 500, 500),
v2 = c(40, 40, 20, 40, 40),
v3 = c(5.1, 7.9, 8.6, 3.7, 4.0),
v4 = c("m1", "m2", "m3", "m4", "m5"))

sqldf('
select df1.* 
from df1
join df2 
on df1.v3 <= df2.v3+0.2
and df1.v3 >= df2.v3-0.2
')