R:使用派生列值连接 Tibbles

Question

考虑以下小标题:

library(tidyverse)

tbl_base_ids = tibble(base_id = c("ABC", "ABCDEF", "ABCDEFGHI"), base_id_length = c(3, 6, 9), record_id_length = c(10, 12, 15))
tbl_records  = tibble(record_id = c("ABC1234567", "ABCDEF123456", "ABCDEFGHI123456"))

我想连接匹配的行以生成第三个小标题:

tbl_records_with_base 

  record_id
  base_id
  base_id_length
  record_id_length

正如您所看到的，这不是连接前两个变量中的一个或多个变量的问题。这需要匹配变量导数。在 SQL 中，我会这样做:

  SELECT A.record_id, 
    B.base_id, 
    B.base_id_length, 
    B.record_id_length
  FROM tbl_records A 
    JOIN tbl_base_ids B 
      ON LENGTH(a.record_id) = B.record_id_length
        AND LEFT(a.record_id, B.base_id_length) = B.base_id

我尝试过 dplyr 连接的变体并使用 match 函数，但无济于事。有人可以帮忙吗？谢谢。

Answer 1

您应该想出一些逻辑来将 base_id 与 record_id 分开。因为仅加入 record_id_length 是不够的。对于此示例，如果我们从 record_id 中删除所有数字，我们就可以获得 base_id。根据您的实际数据集，您需要根据需要更改此设置。

完成后，我们可以通过 base_id 和 record_id_length 将 tbl_records 与 tbl_base_ids 连接起来。

library(dplyr)

tbl_records %>%
  mutate(base_id = sub('\\d+', '', record_id),
         record_id_length = nchar(record_id)) %>%
  inner_join(tbl_base_ids, by = c("base_id", "record_id_length")) -> result

result

#  record_id       base_id   record_id_length base_id_length
#  <chr>           <chr>                <dbl>          <dbl>
#1 ABC1234567      ABC                     10              3
#2 ABCDEF123456    ABCDEF                  12              6
#3 ABCDEFGHI123456 ABCDEFGHI               15              9