Matcher deux jeux de données

Version imprimable

08/04/2015, 10h19
Séphirée

Matcher deux jeux de données

Bonjour,
j'aurais aimé que quelqu'un puisse me venir en aide concernant la fonction match
Malgré l'aide R je n'arrive pas à coder et à appliquer à mon problème.
J'ai deux jeux de données où le premier jeu dataA a par exemple pour variables :

description
coord
sequence
Sample_100 (variable numérique)
Sample_102 (variable numérique)
Sample_110 (variable numérique)

et une seconde base dataB ayant une variable id (variable numérique) ayant pour modalités :

300100
300102
300110

Comment puis-je faire pour lier mes deux bases de données, à partir des trois derniers chiffres du id en fonction du Sample de référence ?
J'ai donc songé à "matcher" mais je n'ai encore jamais utilisé cette procédure.
Merci par avance de votre aide ! :)

Bonjour,

Dans chaque data frame, il vous faut créer une colonne avec l'information commune aux deux jeux de données.
Ensuite, vous faites un merge sur ces deux colonnes.
Exemple :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
> df1 <- data.frame(c1 = c("Sample_100", "Sample_101", "Sample_102"))
> df1
          c1
1 Sample_100
2 Sample_101
3 Sample_102
> df2 <- data.frame(c2 = c("300100", "300101", "300102"))
> df2
      c2
1 300100
2 300101
3 300102
> df1$code1 <- substr(df1$c1, nchar(df1$c1) - 2, nchar(df1$c1))
> df1
          c1 code1
1 Sample_100   100
2 Sample_101   101
3 Sample_102   102
> df2$code2 <- substr(df2$c2, nchar(df2$c2) - 2, nchar(df2$c2))
> df2
      c2 code2
1 300100   100
2 300101   101
3 300102   102
> merge(df1, df2, by.x = "code1", by.y = "code2")
  code1         c1     c2
1   100 Sample_100 300100
2   101 Sample_101 300101
3   102 Sample_102 300102
>

J'ai extrait "code1" et "code2" l'information commune dans chacune des colonnes de mes 2 data frame. Puis je merge sur code1 et code2.

08/04/2015, 14h42
Séphirée
Merci infiniment Monsieur. Je vais exécuter cela à ma base de données.
(Je suis actuellement en formation R en stage, je n'ai jamais encore étudié certaines fonctions vues en stage, au cours de ma licence).

Et il aurait été donc impossible de répondre à ma requête via la fonction match ?
Seule merge peut fonctionner ici ?

Edit :
J'ai un soucis concernant le code, car R me renvoie l'erreur suivante :
Code:

1 2 > df1$code1 <- substr(df1$c1, nchar(df1$c1) - 2, nchar(df1$c1)) Erreur dans nchar(df1$c1) : 'nchar()' exige un vecteur de caractères comme argument
il n'a pas considéré les valeurs de c2 de type caractère.
08/04/2015, 15h07
ced

Ça vient certainement du fait que R a transformé le vecteur de caractères en un facteur...

Si vous faites str(data1$c1), qu'est-ce que vous obtenez ?
Essayez alors ceci :

Code:

df1$code1 <- substr(as.character(df1$c1), nchar(df1$c1) - 2, nchar(df1$c1))

Pareil pour df2$code2...
08/04/2015, 15h32
Séphirée

D'accord, merci bien, je vais essayer.

Sinon si j'exécute str(df1$c1)J'obtiens :

Citation:

Factor w/ 11 levels "Sample_103","Sample_107",..: 1 2 3 4 8 9 10 11 5 6 ...

Edit : même avec l'ajout d'un as.character, le problème subsiste :/
08/04/2015, 17h10
ced
Les facteurs, pour les calculs statistiques, c'est bien, mais pour manipuler les données, c'est un poil pénible...
Bon, alors on remonte d'un cran dans la conversion de la colonne en question.
Essayez :
Code:

1 2 df1$c1 <- as.character(df1$c1) df1$code1 <- substr(df1$c1, nchar(df1$c1) - 2, nchar(df1$c1))
Pareil pour le deuxième data frame si la colonne en question est aussi un facteur.
09/04/2015, 09h36
Séphirée

Merci infiniment Monsieur !

J'ai exécuté et cela fonctionne parfaitement. Je vais réfléchir à tête reposée au code et je reviens vers vous si j'ai des questions :)
10/04/2015, 11h16
Séphirée

Bonjour, je reviens vers vous car j'ai encore besoin d'une aide :/

Je simplifie mes bases, afin de pouvoir appliquer à un cas simple.

Je suppose que j'ai pour tables :

TableA

type - desc - ech100 - ech101
1 ----- ID ----- 11 ------- 23
3 ----- IP ----- 8 -------- 14
2 ----- FI ----- 10-------- 17

Et, une seconde TableB

Id --- Resultat --- Com
100 --- Oui ------ Diff
101 --- Non ----- Addi

En clair, il fallait donc relier ces deux tables pour que les informations relatives à ech100 soit lié à Id=100 et ech101 à Id=1
Je devrai par la suite exploiter ggplot2, or il est impossible de réaliser des graphes même après avoir merger/matcher les deux tables, mon tuteur de stage m'a recommandé de créer une troisième table regroupant toutes les données des deux tables de la sorte :

TableC

ech100 [ "valeur de ech100", "valeurs de type", "valeurs de desc", "Id valant 100"*3, "Résultat valant Oui"*3, "Com valant Diff"*3]
ech101 [ "valeur de ech101", "valeurs de type", "valeurs de desc", "Id valant 101"*3, "Résultat valant Non"*3, "Com valant Addi"*3]

J'ai tenté en vain, de commencer par faire ech100 en employant (tableA$ech100,...)

Mais je ne parviens pas à lier les valeurs de ech100 avec Id valant 100 dans tous les cas.

Merci de votre aide :/