R在搜索模式中使用NA选择数据框行

Question

我希望从给定搜索模式数据框中的搜索条件的源数据框中选择行索引。为简单起见，搜索模式数据框中的列名必须是源数据框中列名的子集。但这里是踢球者 - 两个数据框都可以包含 NA，我需要在搜索条件中使用这些 NA，因此事先排除这些记录将无法实现我的目标。
我正在为我的挑战提供一个可行的解决方案，但我很想知道是否有人有改进建议。我只使用基础 R 完成了它，这是我的偏好，但如果有人在这个包提示中已经完成了快速操作，我将不胜感激。
在我的实际情况中，我的搜索模式数据框可以包含 20k 条记录，并且正在搜索的数据框大于 500k 条记录。在这种情况下，运行时间可能超过 20 分钟，这是不幸的。谢谢

selectRows <- function(df.pattern, df.x){
    output <- lapply(1:nrow(df.pattern), function(i){
        x <- df.pattern[i,]
        
        res <- lapply(colnames(x), function(col){
            if(is.na(x[,col])){
                which(is.na(df.x[,col]))
            }else{
                grep(x[,col], df.x[,col])
            }
        })
        
    index.select <- Reduce(intersect, res)
    index.select
    })#END lapply
    
    output
}#END selectRows



#df.x is the data frame to search
df.x <- expand.grid(a=1:10, b=letters, c=LETTERS, stringsAsFactors = F)
#replace some cells with NA
for(i in 1:3) df.x[i,i ] <- NA
head(df.x)

#for simplicity the search pattern df is taken from the original df, using rows with NA's and complete cases too 
df.pattern <- df.x[c(22,1:4,10),c(2,1,3)]
row.names(df.pattern) <- NULL
df.pattern

results <- selectRows(df.pattern, df.x)
unlist(results)

Answer 1

我们可以使用 inner_join .创建一列行序列，然后加入 'df.pattern' 和 pull序列向量

library(dplyr)
df.x %>% 
    mutate(rn = row_number()) %>%
    inner_join(df.pattern, .) %>%
    pull(rn)
#[1] 22  1  2  3  4 10

或 paste将行转换为单个字符串，使用 %in% 创建一个逻辑向量, 使用 which 获取位置

which(do.call(paste, df.x) %in% do.call(paste, df.pattern[names(df.x)]))
#[1]  1  2  3  4 10 22

如果排序需要基于第二个数据集并且第二个数据不需要考虑重复匹配，使用 match

match(do.call(paste, df.pattern[names(df.x)]), do.call(paste, df.x))
[1] 22  1  2  3  4 10

或者使用 data.table 连接

library(data.table)
setDT(df.x)[, rn := .I][df.pattern, rn, on = names(df.pattern)]
#[1] 22  1  2  3  4 10