dplyr查找表/模式匹配

Question

我希望能够以更加巧妙或“整洁”的方式，在tidyverse中使用查找表，但是却找不到令人满意的解决方案。

我有一个数据集和查找表：

# Sample data
data <- data.frame(patients = 1:5,
                   treatment = letters[1:5],
                   hospital = c("yyy", "yyy", "zzz", "www", "uuu"),
                   response = rnorm(5))

# Lookup table
lookup <- tibble(hospital = c("yyy", "uuu"), patients = c(1,5))

...其中查找表中的每一行都是我想要用来过滤第一个数据表（data）的精确模式。

期望的结果应该如下所示：

# A tibble: 3 x 4
  patients treatment hospital response
     <dbl> <chr>     <chr>       <dbl>
1     1.00 a         yyy       -0.275 
2     5.00 e         uuu       -0.0967

我想到的最简单的解决方案是这样的：

我想到的最简单的解决方案是这样的：

as.tibble(dat) %>% 
  filter(paste(hospital, patients) %in% paste(lookup$hospital, lookup$patients))

然而，许多人经常这样做 - 是否有更清洁和更方便的方法来做这件事（例如，在您的查找表中使用超过两列）？

- Marco

---

semi_join(data, lookup) ? - talat

过滤(data，医院 %in% 查找表$医院 & 患者 %in% 查找表$患者)。 - hplieninger

inner_join(data, lookup, by = c("hospital", "patients")) 但我想知道它是否真的更清晰和方便.. - MrSmithGoesToWashington

Answer 1

由于dplyr :: inner_join()的默认行为是在传递给函数的两个tibbles之间的公共列上进行匹配，并且查找表仅包含2个关键列，因此最短的代码如下：

library(dplyr)

# Sample data
data <- tibble(patients = 1:5,
                   treatment = letters[1:5],
                   hospital = c("yyy", "yyy", "zzz", "www", "uuu"),
                   response = rnorm(5))

# Lookup table
lookup <- tibble(hospital = c("yyy", "uuu"), patients = c(1,5))

data %>% inner_join(.,lookup)

...并输出：

> data %>% inner_join(.,lookup)
Joining, by = c("patients", "hospital")
# A tibble: 2 x 4
  patients treatment hospital response
     <dbl> <chr>     <chr>       <dbl>
1     1.00 a         yyy        -1.44 
2     5.00 e         uuu        -0.313
>

由于所需的输出可以通过在tibbles上关键列上进行连接来实现，因此OP中的是不必要的。

另外，请注意，inner_join()是正确类型的连接，因为所需的输出是两个传入tibbles之间匹配的行，且查找表没有重复行。如果查找表包含重复行，则根据OP中的评论，semi_join()将是适当的函数。

- Len Greski