r - 基于存储在独立有序向量中的值对对数据帧进行子集

Question

我有一个 R 数据框，我需要从中提取数据子集。子集将基于数据框中的两列。例如:

A <- c(1,2,3,3,5,1)
B <- c(6,7,8,9,8,8)
Value <- c(9,5,2,1,2,2)
DATA <- data.frame(A,B,Value)

这就是 DATA 的样子

A B Value
1 6     9
2 7     5
3 8     2
3 9     1
5 8     2
1 8     2

我想要那些 (A,B) 组合为 (1,6) 和 (3,8) 的数据行。这些对存储为 A 和 B 的单独(有序)向量:

AList <- c(1,3)
BList <- c(6,8)

现在，我试图通过比较 AList 中是否存在 A 列来对数据进行子集化。和 B列存在于BList中

DATA[(DATA$A %in% AList & DATA$B %in% BList),]

子集化结果如下所示。除了值对 (1,6) 和 (3,8) 我还得到 (1,8)。基本上，这个过滤器为我提供了 AList 和 BList 中所有组合的值对。我如何将其限制为 (1,6) 和 (3,8)？

A B Value
1 6     9
3 8     2
1 8     2

这是我想要的结果:

A B Value
1 6     9
3 8     2

Answer 1

这是 merge 的工作:

KEYS <- data.frame(A = AList, B = BList)
merge(DATA, KEYS)

#   A B Value
# 1 1 6     9
# 2 3 8     2

编辑 :在 OP 在下面的评论中表达了他对逻辑向量的偏好之后，我会建议以下之一。

使用 merge :

df.in.df <- function(x, y) {
  common.names <- intersect(names(x), names(y))
  idx <- seq_len(nrow(x))
  x <- x[common.names]
  y <- y[common.names]
  x <- transform(x, .row.idx = idx)
  idx %in% merge(x, y)$.row.idx
}

或 interaction :

df.in.df <- function(x, y) {
  common.names <- intersect(names(x), names(y))
  interaction(x[common.names]) %in% interaction(y[common.names])
}

在这两种情况下:

df.in.df(DATA, KEYS)
# [1] TRUE FALSE  TRUE FALSE FALSE FALSE