我有两个使用 R 的data.tables
(a 和 b(,每个大约有 10,000 行。每个data.table
包含三列:x、y 和 z。z 值在每个data.table
中都是唯一的。每个data.table
共享许多相同的 x 和 y 值。我需要做的是创建一个新的data.table
(c(,它只包含 a 中的行,其中 x 和 y 值与 b 中的值相同。
以下是我需要实现的示例。
数据表 A
x y z
a 1 100
a 6 120
c 5 234
b 3 567
d 8 645
f 7 487
数据表 B
x y z
a 1 904
b 6 120
c 7 765
e 3 567
d 8 329
a 0 638
数据表 c(新创建的数据表(应如下所示
x y z
a 1 100
d 8 645
我看过这里(根据重叠日期匹配数据帧之间的值(,但它并没有完全让我到达我需要的地方。
下面是生成示例data.tables
的代码。
library(data.table)
x<-c("a","a","c","b","d","f")
y<-c(1,6,5,3,8,7)
z<-c(100,120,234,567,645,487)
a<-data.frame(x,y,z)
rm(x,y,z)
x<-c("a","b","c","e","d","a")
y<-c(1,6,7,3,8,0)
z<-c(904,120,765,567,329,638)
b<-data.frame(x,y,z)
setDT(a)
setDT(b)
很乐意接受使用传统data.frames
的建议
谢谢
一个简单的merge
就可以做到:
merge(a, b, by=c("x","y"))
默认情况下,merge
仅保留两个数据集中存在匹配项的行;您可以使用all
、all.x
和all.y
参数更改此行为,但在这里您不需要这样做。
如果您不希望数据表b
中的z
值,请执行以下操作:
merge(a, b[,.(x,y)], by=c("x","y"))
或者,dplyr
的方法:
library(dplyr)
c <- a %>% semi_join(b, by = c("x", "y"))
> c
x y z
1 a 1 100
2 d 8 645
尝试:
# Note that they should be different values of z for identical x and y
# The following options assume that you also want to keep this information i.e. z values
# from a and b for matched columns x and y
dplyr::inner_join(a, b, by = c("x", "y")) # option 1
merge(a, b, by = c("x","y")) # option 2
# option 3 using DT
setkeyv(a, c("x","y"))
setkeyv(b, c("x","y"))
a[b, nomatch = 0]