在R中，如何匹配来自两个不同列的值的前三个字符？

Question

ColA   ColB

D41    D410
D56    D411
D561   D412
D58    D60
D600   D70

在R中，我怎样才能获得两个不同列的前三个字符相匹配的值？在上面的例子中，这意味着D41、D410、D411、D412、D600和D60是匹配结果。

使用gsub和dplyr的过滤函数相结合可以实现吗？

- spidermarn

Answer 1

我们可以使用 substr 根据位置获取子字符串，然后进行比较（如果需要逐元素比较，则使用 ==）。

substr(df1$ColA, 1, 3) == substr(df1$ColB, 1, 3)

或使用%in%进行整列比较

v1 <- c(df1$ColA[substr(df1$ColA, 1, 3) %in% substr(df1$ColB, 1, 3)],
         df1$ColB[substr(df1$ColB, 1, 3) %in% substr(df1$ColA, 1, 3)])
unique(v1)
#[1] "D41"  "D600" "D410" "D411" "D412" "D60" 

或者使用 tidyverse

library(tidyverse)
list(df1, df1[2:1]) %>% 
     map( ~  .x %>%
       reduce(., ~  
         keep(.x,  substr(.x, 1, 3) %in%  substr(.y, 1, 3)))) %>% 
         flatten_chr
#[1] "D41"  "D600" "D410" "D411" "D412" "D60" 

---

或者使用

Reduce(`==`, lapply(df1, substr, 1, 3))

数据

df1 <- structure(list(ColA = c("D41", "D56", "D561", "D58", "D600"), 
ColB = c("D410", "D411", "D412", "D60", "D70")), class = "data.frame", 
 row.names = c(NA, -5L))

- akrun

Answer 2

你可以做以下事情：

install.packages("data.table")
library(data.table)
Matching <- df[substr(ColA, 1, 3) == substr(ColB, 1, 3)]
Matching_values <- substr(Matching$ColA, 1, 3)

另外，如果您不想使用data.table，在常见的数据框上也可以使用以下方法：

Matching <- df[substr(df$ColA, 1, 3) == substr(df$ColB, 1, 3),]
Matching_values <- substr(Matching$ColA, 1, 3)

- Arturo Sbr

---

@akrun 唉...我甚至没有读你的代码。我们发布了一个常见的data.frame解决方案。 - Arturo Sbr

@akrun，我在第二次编辑中的两个解决方案中都添加了“Matching_values”。晚安伙计。 - Arturo Sbr

Answer 3

这里也可能会用到集合论中的 intersect，请看：

x <- unlist(df1, use.names=FALSE)
x[substr(x,1,3) %in% Reduce(intersect, Map(substr, df1, 1, 3))]
#[1] "D41"  "D600" "D410" "D411" "D412" "D60" 

- thelatemail

---

这个不错。我也在尝试使用Reduce和intersect，但没有深入研究。 - akrun