r - 提取数据帧的行索引，其条目对应于另一个数据帧的行

Question

我已经挣扎了一段时间，我找不到出路。这是我的问题。

我有 2 个数据框:

    df1 <- data.frame(replicate(3,sample(1:10,20,rep=TRUE)))
    df1
      X1 X2 X3
   1  10  1  9
   2   3  4  2
   3   7  6  8
   4   8 10  7
   5   5  7  5
   6   8  5  9
   7   9  8  4
   8   6  2  7
   9   2  9  6
   10  5  2  9

  df2 <- data.frame(df1[sample(nrow(df1),4), ])
  df2
     X1 X2 X3
  8   6  2  7
  3   7  6  8
  10  5  2  9
  7   9  8  4

我想创建一个 length(x) = length(df1) 的向量 x，其中每行 df1 包含 df2 中相应行的行索引(即 df1 和 df2 之间每一列的确切值相同)。

考虑一下:

    dim(df1)
    [1] 1096188  3 

    dim(df2)
    [1] 256  3

并且 df1 有几行具有相同的值(即相应的行索引将相同)，原则上 df1 中的所有行都应该与 df2 中的行匹配。

预期输出将是:

    x
   [1] 0 0 2 0 0 0 4 1 0 3

希望这足够清楚了......

你能帮我吗？

谢谢，

皮埃拉

Answer 1

这是 data.table 的选项:

require(data.table)

# first set the original orders (data.frame will be sorted when doing setkey)
setDT(df1)[, ori := .I]
setDT(df2)[, ind_df2 := .I]

# define keys
setkey(df1, X1, X2, X3)
setkey(df2, X1, X2, X3)

# compute the indices of the df1 line in df2
x <- df2[df1, ind_df2]
# put the nomatch to 0
x[is.na(x)] <- 0

# Finally, put the original orders back and delete the variable ori
x <- x[order(df1$ori)]
df2 <- df2[order(df2$ind_df2)]
df1[, ori:=NULL]
df2[, ind_df2:=NULL]

结果 x(使用您的数据):

x
#[1] 0 0 2 0 0 0 4 1 0 3

@Frank 建议的另一个更简单有效的选项:

setkeyv(setDT(df2)[,ii:=.I],setdiff(names(df2),"ii"))
x <- df2[df1]$ii
x[is.na(x)] <- 0

@nicola 答案、@Frank 建议和我的答案之间的一些基准，在 100000 行 df1 和 200 行 df2 , 稍微修改 nicola 的答案以获得所需的输出(两个函数都给出相同的结果，除了需要 as.numeric nicola 的):

所以:

set.seed(17)
df1 <- data.frame(replicate(3,sample(1:100,100000,rep=TRUE)))
df2 <- data.frame(df1[sample(nrow(df1),200), ])

nicola <- function(){x<-match(do.call(paste,df1),do.call(paste,df2), nomatch=0)}

cath <- function(){
          dt1 <-data.table(df1); dt1[, ori:=.I]
          dt2 <- data.table(df2); dt2[, ind_df2:=.I]
          setkey(dt1, X1, X2, X3)
          setkey(dt2, X1, X2, X3)
          x <- dt2[dt1, ind_df2]
          x[is.na(x)] <- 0
          x <- x[order(dt1$ori)]
          x
        }

Frank <- function(){dt1 <-data.table(df1);dt2 <- data.table(df2); setkey(setDT(dt2)[,ii:=.I],X1,X2,X3); x <- dt2[dt1]$ii;x[is.na(x)] <- 0}

require(microbenchmark)
microbenchmark(cath(), Frank(), nicola(), unit="relative", times=100)
    #Unit: relative
    # expr       min        lq     mean    median       uq      max neval cld
  #Frank()  1.000000  1.000000 1.000000  1.000000 1.000000 1.000000   100 a  
  # cath()  3.238195  3.099896 2.438342  2.767165 2.177365 1.447397   100  b 
 #nicola() 13.127820 12.476996 8.761549 10.899191 7.292086 2.783436   100   c