检查一个数据框的值是否以正确的顺序存在于另一数据框中 [英] Check if values of one dataframe exist in another dataframe in exact order

问题描述

我有1个数据帧的数据和多个参考数据。数据框。我正在尝试自动检查数据框的值是否与参考数据框的值匹配。重要的是，这些值还必须与参考数据帧中的值具有相同的顺序。这些列很重要，但是我的真实数据集包含更多列。

下面是一个玩具数据集。

 数据框
 
组类型值
 1泰迪
 1威廉
 1拉斯
 2 B多洛雷斯
 2 B Elsie 
 2 C Maeve 
 2 C夏洛特
 2 C Bernard 
 
 
 Reference_A 
 
类型值
泰迪
威廉
拉尔斯
 
 Reference_B 
 
类型值
 B Elsie 
 B Dolores 
 
 Reference_C 
 
类型值
 C Maeve 
 C Hale 
 C Bernard 
  

例如，在玩具数据集中，group1得分为1.0（100％正确），因为它在A中的所有值都与reference_A中An的值和值顺序匹配。但是，group2的得分为0.0，因为B中的值与reference_B相比是乱序，而0.66是因为C中的2/3值与reference_C中的值和值顺序匹配。

所需的输出

 组类型得分
 1 A 1.0 
 2 B 0.0 
 2 C 0.66 
  

这很有帮助，但未考虑顺序：
检查一个数据帧列中的值是否存在于第二数据帧中

---

更新：谢谢所有提供解决方案的人！这些解决方案非常适合玩具数据集，但尚未适用于具有更多列的数据集。再次，就像我在帖子中所写的那样，上面列出的列很重要-我宁愿在必要时不要删除不需要的列。

解决方案

我们也可以使用 mget 来返回列表的 data.frames ，将它们绑定在一起，然后按逻辑矢量平均值进行分组

  library（dplyr）
 mget（ls（pattern ='^ Reference_ [AZ] $'））％&％;％
 bind_rows（）％&％;％
 bind_cols（df1）％>％
 group_by（group，type = type ... 1）％>％
 summarise（分数=平均值（值... 2 ==值）。 ..5））
＃组：组[2] 
＃组类型得分
＃< int> < chr> < dbl> 
＃1 1 A 1 
＃2 2 B 0 
＃3 2 C 0.667 
  

I have 1 dataframe of data and multiple "reference" dataframes. I'm trying to automate checking if values of the dataframe match the values of the reference dataframes. Importantly, the values must also be in the same order as the values in the reference dataframes. These columns are of the columns of importance, but my real dataset contains many more columns.

Below is a toy dataset.

Dataframe

group   type    value
1       A       Teddy
1       A       William
1       A       Lars
2       B       Dolores
2       B       Elsie
2       C       Maeve
2       C       Charlotte
2       C       Bernard


Reference_A

type    value
A       Teddy
A       William
A       Lars

Reference_B

type    value
B       Elsie
B       Dolores

Reference_C

type    value
C       Maeve
C       Hale
C       Bernard

For example, in the toy dataset, group1 would score 1.0 (100% correct) because all its values in A match the values and order of values of An in reference_A. However, group2 would score 0.0 because the values in B are out of order compared to reference_B and 0.66 because 2/3 values in C match the values and order of values in reference_C.

Desired output

group   type    score
1       A       1.0
2       B       0.0
2       C       0.66

This was helpful, but does not take order into account: Check whether values in one data frame column exist in a second data frame

---

Update: Thank you to everyone that has provided solutions! These solutions are great for the toy dataset, but have not yet been adaptable to datasets with more columns. Again, like I wrote in my post, the columns that I've listed above are of importance — I'd prefer to not drop the unneeded columns if necessary.

解决方案

We may also do this with mget to return a list of data.frames, bind them together, and do a group by mean of logical vector

library(dplyr)
mget(ls(pattern = '^Reference_[A-Z]$')) %>%
    bind_rows() %>% 
    bind_cols(df1) %>% 
    group_by(group, type = type...1) %>% 
    summarise(score = mean(value...2 == value...5))
# Groups:   group [2]
#  group type  score
#  <int> <chr> <dbl>
#1     1 A     1    
#2     2 B     0    
#3     2 C     0.667

这篇关于检查一个数据框的值是否以正确的顺序存在于另一数据框中的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！