Сравнение нескольких столбцов в R

Question

Я хотел был бы сравнить данные в R через столбцы разного размера.

Это мой набор данных.

pp_value_1 pp_value_2 pp_value_3 pp_filename nn_value_1 nn_value_2 nn_value_3 nn_filename mm_value_1 mm_value_2 mm_value_3 mm_filename 
17 73 53 CC3 5 29 53 AA2 11 56 34 AA2 
129 516 34 BB5 44 217 42 BB1 36 190 39 BB1 
107 436 44 AA3 29 147 53 CC7 30 155 31 CC1 
57 244 53 BB6 21 108 53 BB2 14 77 61 BB4 
57 227 29 AA1 21 104 39 AA6 9 48 44 BB6 
80 318 47 AA2 18 89 47 CC3 37 200 44 DD3 
128 529 56 BB4 43 222 54 CC1 36 202 50 CC3 
31 127 53 CC1 7 38 53 DD4    
18 73 47 CC2 

Я использовал функцию duplicated, добавляется столбец с TRUE и FALSE результатов, а затем grepped результаты, но это не сработало. Вот мой код:

v=duplicated(data$pp_filename, data$filename, data$filename) 
b=cbind(data, dup=v) 
dupl=(b[grep("FALSE", b$dup),]) 

И это то, что я хочу, чтобы получить (опять же в соответствующем формате):

pp_value_1 pp_value_2 pp_value_3 pp_filename nn_value_1 nn_value_2 nn_value_3 nn_filename mm_value_1 mm_value_2 mm_value_3 mm_filename 
17 73 53 CC3 18 89 47 CC3 11 56 34 AA2 
80 318 47 AA2 43 222 54 CC1 30 155 31 CC1 
31 127 53 CC1 5 29 53 AA2 36 202 50 CC3 

Answer 1

Это больше предложение о формате ваших данных для упрощения манипуляций. Я думаю, лучше формат данных будет:

spl = split.default(DF, substring(names(DF), 1, 2)) 
lDF = do.call(rbind, 
       lapply(seq_along(spl), 
        function(i) 
          setNames(cbind(names(spl)[i], 
              spl[[i]][complete.cases(spl[[i]]), ]), 
            c("type", gsub("^(.*?)_", "", names(spl[[i]])))))) 
lDF 
# type value_1 value_2 value_3 filename 
#1 mm  11  56  34  AA2 
#2 mm  36  190  39  BB1 
#3 mm  30  155  31  CC1 
#4 mm  14  77  61  BB4 
#5 mm  9  48  44  BB6 
#6 mm  37  200  44  DD3 
#7 mm  36  202  50  CC3 
#8 nn  5  29  53  AA2 
#9 nn  44  217  42  BB1 
#.... 

Затем вы можете продолжить (по крайней мере, от того, что я понял из вопроса) с:

commons = Reduce(intersect, split(lDF$filename, lDF$type)) 
lDF[lDF$filename %in% commons, ]          
# type value_1 value_2 value_3 filename 
#1 mm  11  56  34  AA2 
#3 mm  30  155  31  CC1 
#7 mm  36  202  50  CC3 
#8 nn  5  29  53  AA2 
#13 nn  18  89  47  CC3 
#14 nn  43  222  54  CC1 
#16 pp  17  73  53  CC3 
#21 pp  80  318  47  AA2 
#23 pp  31  127  53  CC1 

Если вы хотите формат вы показываете, есть некоторые обходные пути, с которыми вы можете столкнуться. Например .:

res = lDF[lDF$filename %in% commons, ] 
tmp = split(res[-1], res[[1]]) 
do.call(cbind, 
     lapply(seq_along(tmp), 
       function(i) 
        setNames(tmp[[i]], 
          paste(names(tmp)[i], names(tmp[[i]]), sep = "_")))) 

"DF" является:

DF = structure(list(pp_value_1 = c(17L, 129L, 107L, 57L, 57L, 80L, 
128L, 31L, 18L), pp_value_2 = c(73L, 516L, 436L, 244L, 227L, 
318L, 529L, 127L, 73L), pp_value_3 = c(53L, 34L, 44L, 53L, 29L, 
47L, 56L, 53L, 47L), pp_filename = structure(c(9L, 5L, 3L, 6L, 
1L, 2L, 4L, 7L, 8L), .Label = c("AA1", "AA2", "AA3", "BB4", "BB5", 
"BB6", "CC1", "CC2", "CC3"), class = "factor"), nn_value_1 = c(5L, 
44L, 29L, 21L, 21L, 18L, 43L, 7L, NA), nn_value_2 = c(29L, 217L, 
147L, 108L, 104L, 89L, 222L, 38L, NA), nn_value_3 = c(53L, 42L, 
53L, 53L, 39L, 47L, 54L, 53L, NA), nn_filename = structure(c(1L, 
3L, 7L, 4L, 2L, 6L, 5L, 8L, NA), .Label = c("AA2", "AA6", "BB1", 
"BB2", "CC1", "CC3", "CC7", "DD4"), class = "factor"), mm_value_1 = c(11L, 
36L, 30L, 14L, 9L, 37L, 36L, NA, NA), mm_value_2 = c(56L, 190L, 
155L, 77L, 48L, 200L, 202L, NA, NA), mm_value_3 = c(34L, 39L, 
31L, 61L, 44L, 44L, 50L, NA, NA), mm_filename = structure(c(1L, 
2L, 5L, 3L, 4L, 7L, 6L, NA, NA), .Label = c("AA2", "BB1", "BB4", 
"BB6", "CC1", "CC3", "DD3"), class = "factor")), .Names = c("pp_value_1", 
"pp_value_2", "pp_value_3", "pp_filename", "nn_value_1", "nn_value_2", 
"nn_value_3", "nn_filename", "mm_value_1", "mm_value_2", "mm_value_3", 
"mm_filename"), class = "data.frame", row.names = c(NA, -9L)) 

Answer 2

мне, простые подстрочные операции кажутся более подходящими, чем Grep. Но я все равно нашел оправдание использовать grep.

b <- read.table(header = TRUE, text = " 
pp_value_1 pp_value_2 pp_value_3 pp_filename nn_value_1 nn_value_2 nn_value_3 nn_filename mm_value_1 mm_value_2 mm_value_3 mm_filename 
17 73 53 CC3 5 29 53 AA2 11 56 34 AA2 
129 516 34 BB5 44 217 42 BB1 36 190 39 BB1 
107 436 44 AA3 29 147 53 CC7 30 155 31 CC1 
57 244 53 BB6 21 108 53 BB2 14 77 61 BB4 
57 227 29 AA1 21 104 39 AA6 9 48 44 BB6 
80 318 47 AA2 18 89 47 CC3 37 200 44 DD3 
128 529 56 BB4 43 222 54 CC1 36 202 50 CC3 
31 127 53 CC1 7 38 53 DD4 18 73 47 CC2 
") 
# Any duplicated values among the "xx_filename" columns? 
filenameCols <- grep("_filename", names(b))  
v <- apply(b[,filenameCols], 1, FUN = anyDuplicated) 
# Save rows with colliding xx_filename columns 
dupl <- b[v != 0,]