複数の条件で2つのテーブルをマージする

Question

私が試みていることを正確に答える以前の質問を見つけることができませんでした。

がマージに関係はなく、複数の他の列であることを保持する必要がある、

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

DF1

DF2

私のデータの一般的なフォーマットである

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

。

"chr"と "position"が厳密に同じ行をマージするだけでなく、df1の "effect.exposure"がdf2の "effect.outcome"または "other"と一致することを確認してください。重要なことに、 "effect.exposure"が "effect.outcome"または "other"と一致しない場合、その行を削除します。

"chr"と "position"を結合して結果データ内にそれぞれ1つの列しか持たせることはできませんが、2つの "エフェクト"と "その他"の列を最終的なデータテーブルに残しておきます。

更新：

は、問題を回避する方法を発見しました。 私がやったやり方は、2つのデータフレームを "chr"と "position"でマージすることです。ここから

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

「effect.exposureは」「effect.outcome」または「その他」のいずれかに等しい場合、私は、このデータフレームのサブセットを撮影しました。

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

これは最も効率的な方法ではないかもしれませんが、完全に機能します。

Answer 1

これは古い答えの1つであり、2 mergeが実行された場合、各マージの結果はrbindです。データの問題は、異なる数の列で結果をマージする方法です。あなたはそれに対処するためにtidyr::gatherとtidyr::spreadを使用することができます。

あなたのデータ

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)) 

古い答え

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

・ホープ、このことができますの拡張！

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 

出力は：

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))