R語言中根據(jù)數(shù)據(jù)框的順序進行篩選的示例分析

目的

這里有兩個數(shù)據(jù)框，兩者有相同的列（ID），這里想把第一個數(shù)據(jù)框，按照第二個數(shù)據(jù)框的ID列進行提取，順序和第二個數(shù)據(jù)框一致。

數(shù)據(jù)框1

> tt = data.frame(id = 1:10,y = rnorm(10))
> tt
   id          y
1   1  0.7264999
2   2 -1.3817018
3   3 -0.8626703
4   4  2.0663756
5   5  0.1997253
6   6  0.5968497
7   7 -0.8836847
8   8  2.2224643
9   9 -1.5825250
10 10 -0.1530456

數(shù)據(jù)框2

> id = data.frame(id = c(2,1,5,4,3))
> id
  id
1  2
2  1
3  5
4  4
5  3

錯誤的方法：用%in%進行提取，會自動排序

> # 使用 %in% 進行匹配時，會自動排序，不是id的順序
> tt[tt$id %in% id$id,]
  id          y
1  1  0.7264999
2  2 -1.3817018
3  3 -0.8626703
4  4  2.0663756
5  5  0.1997253
> id
  id
1  2
2  1
3  5
4  4
5  3

可以看到，匹配后的順序為1,2,3,4,5，而不是原來的2,1,5,4,3

正確的方法：用match記錄位置，然后根據(jù)位置提取

> # 使用match可以達到目的
> loc = match(id$id,tt$id)
> loc
[1] 2 1 5 4 3
> tt[loc,]
  id          y
2  2 -1.3817018
1  1  0.7264999
5  5  0.1997253
4  4  2.0663756
3  3 -0.8626703

結論：match真香

「完整代碼：」

# 模擬兩個數(shù)據(jù)框
tt = data.frame(id = 1:10,y = rnorm(10))
tt
id = data.frame(id = c(2,1,5,4,3))
id

# 使用 %in% 進行匹配時，會自動排序，不是id的順序
tt[tt$id %in% id$id,]
id

# 使用match可以達到目的
loc = match(id$id,tt$id)
loc
tt[loc,]

我的翻車記錄

本來我是有兩個系譜文件，第一個系譜文件比較多，但是有錯誤。第二個系譜文件是第一個系譜文件的子集，它的系譜是正確的。我想將第一個系譜文件錯誤的系譜矯正一下。

「我的思路：」

1，用%in%將第一個系譜的ID，根據(jù)第二個系譜的ID提取出來，然后用第二個系譜的Sire和Dam把第一個系譜相應的IID的Sire和Dam替換掉。如果第二個系譜本身是排序的，那么這樣操作是沒問題的。

「潛在的bug」

如果第二個系譜不是按順序排的，那么上面的操作就會有錯誤。比如類似（2，1，4，3，5），在匹配后的順序是（1，2，3，4，5），你用（1，2，3，4，5）的父母本，替換為（2，1，5，3，5）的父母本，肯定是錯誤的。