2

代謝物データのかなり大きなデータセットがあります。一部のセットにはラベルのない繰り返しがあります (繰り返しを示す列はありません)。小さな例を以下に示します。

a<-structure(list(ABBRC = structure(c(1L, 2L, 2L, 3L, 4L, 4L, 4L
        ), .Label = c("X1", "X2", "X3", "X4"), class = "factor"), X = 1:7, 
            Y = 1:7, Year = c(2009L, 2009L, 2009L, 2009L, 2009L, 2009L, 
            2009L)), .Names = c("ABBRC", "X", "Y", "Year"), class = "data.frame", row.names = c(NA, 
        -7L))
        b<-structure(list(ABBRC = structure(c(1L, 2L, 3L, 4L, 4L, 4L, 4L
        ), .Label = c("X1", "X2", "X3", "X4"), class = "factor"), Z = c(1L, 
        2L, 4L, 5L, 6L, 7L, 8L), A = c(1L, 2L, 4L, 5L, 6L, 7L, 8L), Year = c(2009L, 
        2009L, 2009L, 2009L, 2009L, 2009L, 2009L)), .Names = c("ABBRC", 
        "Z", "A", "Year"), class = "data.frame", row.names = c(NA, -7L
        ))
    merge(a,b)
ABBRC Year X Y Z A
1     X1 2009 1 1 1 1
2     X2 2009 2 2 2 2
3     X2 2009 3 3 2 2
4     X3 2009 4 4 4 4
5     X4 2009 5 5 5 5
6     X4 2009 5 5 6 6
7     X4 2009 5 5 7 7
8     X4 2009 5 5 8 8
9     X4 2009 6 6 5 5
10    X4 2009 6 6 6 6
11    X4 2009 6 6 7 7
12    X4 2009 6 6 8 8
13    X4 2009 7 7 5 5
14    X4 2009 7 7 6 6
15    X4 2009 7 7 7 7
16    X4 2009 7 7 8 8

マージすると、繰り返される行の組み合わせが出力されます。これは予想される動作ですが、私が望むものではありません。あたかも繰り返しであるかのようにデータをマージしたいと思います（そうです）。この種のマージを行う機能はありますか、または繰り返しにラベルを付けてからマージする方が簡単ですか? ラベルを付ける方が簡単だとしたら、どのような方法がよいでしょうか?

望ましい出力

structure(list(ABBRC = structure(c(1L, 2L, 2L, 3L, 4L, 4L, 4L, 
4L), .Label = c("X1", "X2", "X3", "X4"), class = "factor"), X = c(1L, 
2L, 3L, 4L, 5L, 6L, 7L, NA), Y = c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 
NA), Z = c(1L, 2L, NA, 4L, 5L, 6L, 7L, 8L), A = c(1L, 2L, NA, 
4L, 5L, 6L, 7L, 8L), Year = c(2009L, 2009L, 2009L, 2009L, 2009L, 
2009L, 2009L, 2009L)), .Names = c("ABBRC", "X", "Y", "Z", "A", 
"Year"), class = "data.frame", row.names = c(NA, -8L))
ABBRC  X  Y  Z  A Year
1    X1  1  1  1  1 2009
2    X2  2  2  2  2 2009
3    X2  3  3 NA NA 2009
4    X3  4  4  4  4 2009
5    X4  5  5  5  5 2009
6    X4  6  6  6  6 2009
7    X4  7  7  7  7 2009
8    X4 NA NA  8  8 2009
4

3 に答える 3

2

私の最初の苦痛な試みを削除した後、ここに別の方法がありますが、あなた自身のplyrアプローチほど良くはありません. 最初にダミーtime変数を生成する必要があります。

a$time <- as.numeric(ave(as.character(a$ABBRC), a$ABBRC, a$Year, FUN=seq_along))
b$time <- as.numeric(ave(as.character(b$ABBRC), b$ABBRC, b$Year, FUN=seq_along))
library(reshape2)
ab.long <- rbind(melt(a, id.vars=c("ABBRC", "Year", "time")),
                 melt(b, id.vars=c("ABBRC", "Year", "time")))
dcast(ab.long, ABBRC + Year + time ~ variable)
#   ABBRC Year time  X  Y  Z  A
# 1    X1 2009    1  1  1  1  1
# 2    X2 2009    1  2  2  2  2
# 3    X2 2009    2  3  3 NA NA
# 4    X3 2009    1  4  4  4  4
# 5    X4 2009    1  5  5  5  5
# 6    X4 2009    2  6  6  6  6
# 7    X4 2009    3  7  7  7  7
# 8    X4 2009    4 NA NA  8  8
于 2012-12-03T18:20:51.387 に答える
2

あなた自身の質問に答えるのがクールかどうかはわかりませんが、インデックス変数を作成することでそれを行う方法を見つけました。plyr/seq_along() に関するアドバイスをくれた Hadley に感謝します。

require(plyr)
a<-ddply(a, .(ABBRC), transform, rep=seq_along(ABBRC))
b<-ddply(b, .(ABBRC), transform, rep=seq_along(ABBRC))
merge(a,b, all=T)

  ABBRC Year rep  X  Y  Z  A
1    X1 2009   1  1  1  1  1
2    X2 2009   1  2  2  2  2
3    X2 2009   2  3  3 NA NA
4    X3 2009   1  4  4  4  4
5    X4 2009   1  5  5  5  5
6    X4 2009   2  6  6  6  6
7    X4 2009   3  7  7  7  7
8    X4 2009   4 NA NA  8  8
于 2012-12-03T18:46:24.023 に答える
0

この問題に取り組むにはいくつかの方法があります。1 つの方法は、マージする前に重複を識別することです。

merge(a, b[!duplicatesFromA, ])
#    ABBRC Year X Y Z A
#  1    X4 2009 5 5 8 8
#  2    X4 2009 6 6 8 8
#  3    X4 2009 7 7 8 8

もちろん、重複を見つける方法はいくつかあります。
これは、ネストされた適用ループの colSums を使用するものです。

duplicatesFromA <- 
    colSums(apply(b, 1, function(row.b) {
        apply(a, 1, function(row.a) {
            all(row.b==row.a)
        })
    })) > 0
于 2012-12-03T15:09:47.950 に答える