r - 根据另一个数据框中的多个条件过滤数据框

Question

我有两个数据框:

df单人在哪里x有多个值 y

matchDf它定义了我想用来过滤的约束 df

我只想过滤 y 的行低于或等于 max_y鉴于 x落在区间 <x_from, x_to)
有没有办法在 R 中做到这一点(没有我在下面使用的 SQL)？

df <- read.table(header = TRUE, text = '
x y
100 0.1
100 0.2
100 0.3
250 0.2
250 0.3
250 0.4
375 0.2
375 0.25
375 0.35
420 0.15
420 0.16
420 0.17
500 0.23
500 0.55')

matchDf <- read.table(header = TRUE, text = '
x_from x_to max_y
0 300 .2
300 500 .3
500 99999 .5
')

library(sqldf)

sqldf('select a.* 
      from 
        df a 
        join matchDf b on (a.x >= b.x_from 
                           and a.x < b.x_to 
                           and a.y <= b.max_y)'
      )

Answer 1

尝试这个:

df[df$y <= matchDf$max_y[cut(df$x, c(0,matchDf$x_to))],]
     x    y
1  100 0.10
2  100 0.20
4  250 0.20
7  375 0.20
8  375 0.25
10 420 0.15
11 420 0.16
12 420 0.17
13 500 0.23

这里发生的是 cut正在为您提供 matchDf 中的哪一行 df中的每个观察应该在。然后，您只需将其用作位置行提取向量，并说明 y 的条件关系。使用 <= .

看如何 cut有效，只需将其从表达式中拉出:

> cut(df$x, c(0,matchDf$x_to))
 [1] (0,300]   (0,300]   (0,300]   (0,300]   (0,300]   (0,300]   (300,500] (300,500] (300,500] (300,500] (300,500] (300,500] (300,500] (300,500]
Levels: (0,300] (300,500] (500,1e+05]

级别标签无关紧要，因为 [使用底层整数值进行提取。