Zusammenführen von zwei Tabellen mit mehreren Bedingungen

Question

Ich konnte keine vorherige Frage finden, die genau das beantwortet, was ich versuche.

df1

chr position effect.exposure ... 
1 12345  A    ... 
2 54321  G    ... 
2 6789  C    ... 
3 9876  D    ... 

df2

chr position effect.outcome other ... 
1 12345  A    C  ... 
2 54321  T    G  ... 
3 12314  C    A  ... 
5 12321  C    D  ... 

Das ist das allgemeine Format meiner Daten ist, mit ihm mehr anderen Spalten nicht relevant für die Verschmelzung zu sein, die aber gehalten werden muß.

Ich möchte Zeilen, die die gleiche "CHR" und "Position" streng zusammenführen, aber auch sicherstellen, dass "effect.exposure" in df1 entweder "effect.outcome" oder "other" in df2 entspricht. Wenn "effect.exposure" weder mit "effect.outcome" noch mit "other" übereinstimmt, möchte ich, dass diese Zeile gelöscht wird.

"chr" und "position" können kombiniert werden, um jeweils nur eine Spalte in den Ergebnisdaten zu haben, aber ich möchte, dass die beiden Spalten "effect" und "other" in der endgültigen Datentabelle getrennt bleiben.

Aktualisierung:

gefunden einen Weg um das Problem. Die Art und Weise, wie ich es gemacht habe, besteht darin, die beiden Datenrahmen durch "chr" und "position" zusammenzufassen.

new.df <- merge(df1, df2, by = c("chr", "position")) 

Von hier aus habe ich dann eine Teilmenge dieses Datenrahmen genommen, in den „effect.exposure“ entweder auf „effect.outcome“ oder „andere“ gleich ist.

final.df <- new.df[new.df$effect.exposure == new.df$effect.outcome | 
        new.df$effect.exposure == new.df$other, ] 

Volle Offenlegung, dies ist möglicherweise nicht die effizienteste Methode, aber es funktioniert einwandfrei.

Answer 1

Dies ist eine Erweiterung einer der älteren Antworten, wobei 2 merge s durchgeführt werden, dann sind die Ergebnisse jeder Zusammenführung rbind. Das Problem mit Ihren Daten besteht darin, wie die Ergebnisse mit einer unterschiedlichen Anzahl von Spalten zusammengeführt werden. Sie können tidyr::gather und tidyr::spread verwenden, um damit umzugehen.

Ihre Daten

df1 <- structure(list(chr = c(1L, 2L, 2L, 3L), position = c(12345L, 
54321L, 6789L, 9876L), effect.exposure = c("A", "G", "C", "D" 
), misc = c("a", "b", "c", "d")), .Names = c("chr", "position", 
"effect.exposure", "misc"), class = "data.frame", row.names = c(NA, 
-4L)) 

df2 <- structure(list(chr = c(1L, 2L, 3L, 5L), position = c(12345L, 
54321L, 12314L, 12321L), effect.outcome = c("A", "T", "C", "C" 
), other = c("C", "G", "A", "D")), .Names = c("chr", "position", 
"effect.outcome", "other"), class = "data.frame", row.names = c(NA, 
-4L)) 

Erweiterung älterer Antwort

library(dplyr) 
library(tidyr) 
result1 <- inner_join(df1, df2, by=c("chr", "position", "effect.exposure" = "effect.outcome")) %>% 
       gather(key, value, -chr, -position, -effect.exposure) 

    # chr position effect.exposure key value 
# 1 1 12345    A misc  a 
# 2 1 12345    A other  C 

result2 <- inner_join(df1, df2, by=c("chr", "position", "effect.exposure" = "other")) %>% 
      gather(key, value, -chr, -position, -effect.exposure) 

    # chr position effect.exposure   key value 
# 1 2 54321    G   misc  b 
# 2 2 54321    G effect.outcome  T 

ans <- rbind(result1, result2) %>% 
      spread(key, value) 

    # chr position effect.exposure effect.outcome misc other 
# 1 1 12345    A   <NA> a  C 
# 2 2 54321    G    T b <NA> 

Answer 2

hoffe, das hilft!

library(dplyr) 
final_df <- df1 %>% 
    inner_join(df2, by=c("chr", "position")) %>% 
    mutate(Resp_final = if_else((as.character(effect_exposure)==as.character(effect_outcome)) | 
           (as.character(effect_exposure)==as.character(other)), 1, 0)) %>% 
    filter(Resp_final==1) %>% 
    select(-Resp_final) 
final_df 

Ausgang ist:

chr position effect_exposure col4 effect_outcome other col5 
1 1 12345    A Asdf    A  C 1234 
2 2 54321    G Abc    T  G 987 

#Sample data 
> dput(df1) 
structure(list(chr = c(1L, 2L, 2L, 3L), position = c(12345L, 
54321L, 6789L, 9876L), effect_exposure = structure(c(1L, 4L, 
2L, 3L), .Label = c("A", "C", "D", "G"), class = "factor"), col4 = structure(c(2L, 
1L, 4L, 3L), .Label = c("Abc", "Asdf", "qwerty", "xyz"), class = "factor")), .Names = c("chr", 
"position", "effect_exposure", "col4"), class = "data.frame", row.names = c(NA, 
-4L)) 

> dput(df2) 
structure(list(chr = c(1L, 2L, 3L, 5L), position = c(12345L, 
54321L, 12314L, 12321L), effect_outcome = structure(c(1L, 3L, 
2L, 2L), .Label = c("A", "C", "T"), class = "factor"), other = structure(c(2L, 
4L, 1L, 3L), .Label = c("A", "C", "D", "G"), class = "factor"), 
    col5 = c(1234L, 987L, 675L, 3456L)), .Names = c("chr", "position", 
"effect_outcome", "other", "col5"), class = "data.frame", row.names = c(NA, 
-4L))