R數據框索引中的比較有什麼作用？

Question

我想了解下面的代碼實際上做了什麼。我的意圖是用df1的「Pop」列中的數據填充df2中的Pop列，並按列ID「ID」匹配行。

df2$Pop <- df1[df1$ID == df2$ID,]$Pop 

它似乎直線前進，如果該行並沒有排序（它可以只是尋找匹配ID的一個），但如果一個數據幀是比其他（有更多行）大？ comarison的順序是否重要？我不確定從上一行代碼中可以期待什麼。它是否像merge一樣工作（如果在df1中，我只有ID和Pop列）？如果是這樣，爲什麼這兩個版本（優點/缺點）？

df2 <- merge(df2, df1, by = "ID", all = FALSE, sort=FALSE) 

通過用不同數目的行（DF1 100.000行和與98.530 DF2），其中DF1只具有ID和流行列，但DF2具有超過4000的列測試在數據幀中的兩個版本，該第一版本給我瞬間得到了一個結果，而merge版本需要大約8秒的時間才能運行。我是R新手，所以我甚至不知道如何測試輸出並檢查它們是否相同，但它們應該是什麼？

Answer 1

比較運算符，==在這種情況下，返回一個邏輯矢量（具有TRUE和FALSE作爲條目的載體）的其是否在數據幀索引或不考慮具體。它取兩個對象，並訪問（按位置排列）這些位置的值是否相等。如果是，則返回TRUE，如果不是，則返回新對象的相同位置，然後FALSE。隨後，通過方括號[]將該邏輯向量傳遞到df1，導致df1被子集化，僅返回與邏輯向量爲TRUE的位置相關聯的值。請注意，df1$Pop是一個矢量。 df1是一個數據框。

舉例來說

V1 <- c(1,2,3) 
V2 <- c(1,3,2) 
V1==V2 
## TRUE FALSE FALSE 
V1[V2==V1] 
## 1 
V1[c(TRUE,FALSE,FALSE)] 
## 1 

在您的例子來說，你正在做的是子集劃分的數據幀，返回只有在ID相同的行，抓住$流行行，並把它在df2 $ Pop中。

這與合併有所不同。合併需要兩個數據幀，並且做任何有意義的事情，數據幀應該至少有兩列。然後它查找一個數據框的行（使用by列）並將它們粘貼到另一個數據行的行旁邊。在SQL中說，它執行JOIN。

例如：

df1<- data.frame(ID=1:3,V1=letters[1:3]) 
df1 
## ID V1 
##1 1 a 
##2 2 b 
##3 3 c 
df2<- data.frame(ID=c(1,3),V2=letters[3:4]) 
df2 
## ID V2 
##1 1 c 
##2 3 d 
merge(df1,df2,by="ID") 
## ID V1 V2 
##1 1 a c 
##2 3 c d 
df1[df1$ID==df2$ID,]$V1 
##[1] a 

通常，爲了測試兩個表達式的結果，取表達式的結果，並使用等式比較操作符：

V1 == V2 
## TRUE FALSE FALSE 

或者使用all()到得到一個單一的結果。

all(V1==V2) 
## FALSE 

還有其他方法來測試對象是否相同。 See this stackoverflow answer.