Соответствие двух значений столбца во всем наборе данных [Specifi c Case]

Question

У меня есть нижеупомянутые два фрейма данных в R, и я пробовал различные методы, но пока не смог добиться требуемого результата.

DF:

ID     Date                 city        code    uid
I-1    2020-01-01 10:12:15  New York     123    K-1
I-1    2020-01-01 10:12:15  Utha         103    K-1
I-2    2020-01-02 10:12:15  Washington   122    K-1
I-3    2020-02-01 10:12:15  Tokyo        123    K-2
I-3    2020-02-01 10:12:15  Osaka        193    K-2
I-4    2020-02-02 10:12:15  London       144    K-3
I-5    2020-02-04 10:12:15  Dubai        101    K-4
I-6    2019-11-01 10:12:15  Dubai        101    K-4
I-7    2019-11-01 10:12:15  London       144    K-3
I-8    2018-12-13 10:12:15  Tokyo        143    K-5
I-9    2019-05-17 10:12:15  Dubai        101    K-4
I-19   2020-03-11 10:12:15  Dubai        150    K-7

Dput:

structure(list(ID = c("I-1", "I-1", 
"I-2", "I-3", "I-3", "I-4", 
"I-5", "I-6", "I-7", "I-8", "I-9","I-19" 
), DATE = c("2020-01-01 11:49:40.842", "2020-01-01 09:35:33.607", 
"2020-01-02 06:14:58.731", "2020-02-01 16:51:27.190", "2020-02-01 05:35:46.952", 
"2020-02-02 05:48:49.443", "2020-02-04 10:00:41.616", "2019-11-01 09:10:46.536", 
"2019-11-01 11:54:05.655", "2018-12-13 14:24:31.617", "2019-05-17 14:24:31.617", "2020-03-11 14:24:31.617"), CITY = c("New York", 
"UTAH", "Washington", "Tokyo", 
"Osaka", "London", "Dubai", 
"Dubai", "London", "Tokyo", "Dubai", 
"Dubai"), CODE = c("221010", 
"411017", "638007", "583101", "560029", "643102", "363001", "452001", 
"560024", "509208"), UID = c("K-1", 
"K-1", "K-1", "K-2", "K-2", 
"K-3", "K-4", "K-4", "K-3", 
"K-5","K-4","K-7")), .Names = c("ID", "DATE", 
"CITY", "CODE", "UID"), row.names = c(NA, 
10L), class = "data.fram)

Используя два вышеупомянутых фрейма данных, я хочу получить записи в период с 1 января 2020 года по 29 февраля 2002 года и сравнить эти идентификаторы во всей базе данных, чтобы проверить, совпадают ли город и код вместе с другим идентификатором и классифицировать его. далее, чтобы проверить, сколько из них имеют одинаковый uid, а сколько разные.

Где,

• Match - сочетание города и кода, совпадающего с другим идентификатором в базе данных
• Same_uid - классификация идентификаторов совпадений, чтобы определить, сколько идентификаторов имеют одинаковые идентификаторы uid
• different_uid - классификация идентификаторов совпадений, чтобы определить, сколько идентификаторов не имеют аналогичных идентификаторов uid
• uid_count - количество похожих идентификаторов этого конкретного идентификатора во всей базе данных
• Match_with - это в основном для того, чтобы получить те ID, которые имеют как city, так и code одинаковые с этим конкретным ID

Примечание - у меня более 10 млн записей в фрейме данных.

Требуемый вывод

    ID      Date                 city        code  uid  Match   Same_uid   different_uid uid_count Match_with
    I-1     2020-01-01 10:12:15  New York    123   K-1  No      0          0              2        NA
    I-2     2020-01-02 10:12:15  Washington  122   K-1  No      0          0              2        NA
    I-3     2020-02-01 10:12:15  Tokyo       123   K-2  No      0          0              1        NA
    I-4     2020-02-02 10:12:15  London      144   K-3  Yes     1          0              2        I-7
    I-5     2020-02-04 10:12:15  Dubai       101   K-4  Yes     2          0              3        I-6, I-9

Answer 1

Это всего лишь некоторый импульс. Я до сих пор не получил всего, что вам нужно. Возможно, я что-то не так, мы можем обсудить дальше.

library(tidyverse)
library(lubridate)
#> 
#> Attaching package: 'lubridate'
#> The following objects are masked from 'package:base':
#> 
#>     date, intersect, setdiff, union

df_example <- read_table("ID     Date                 city        code    uid
I-1    2020-01-01 10:12:15  New York     123    K-1
I-1    2020-01-01 10:12:15  Utha         103    K-1
I-2    2020-01-02 10:12:15  Washington   122    K-1
I-3    2020-02-01 10:12:15  Tokyo        123    K-2
I-3    2020-02-01 10:12:15  Osaka        193    K-2
I-4    2020-02-02 10:12:15  London       144    K-3
I-5    2020-02-04 10:12:15  Dubai        101    K-4
I-6    2019-11-01 10:12:15  Dubai        101    K-4
I-7    2019-11-01 10:12:15  London       144    K-3
I-8    2018-12-13 10:12:15  Tokyo        143    K-5
I-9    2019-05-17 10:12:15  Dubai        101    K-4
I-19   2020-03-11 10:12:15  Dubai        150    K-7")
#> Warning: Missing column names filled in: 'X3' [3]



df_example1 <- df_example %>%
  unite(Date:X3,col = "Date",sep = " ") %>% 
  mutate(Date = Date %>% ymd_hms() %>% as_date())


df_example1 %>%
  group_by(city,code) %>% 
  mutate(Match_with = toString(ID),
         different_uid = if_else(n_distinct(uid) - 1 == 0,0L,n()),
         uid_count = if_else(n_distinct(uid) - 1 == 0,n(),0L),
         same_uid = uid_count - 1)
#> # A tibble: 12 x 9
#> # Groups:   city, code [9]
#>    ID    Date       city   code uid   Match_with different_uid uid_count
#>    <chr> <date>     <chr> <dbl> <chr> <chr>              <int>     <int>
#>  1 I-1   2020-01-01 New ~   123 K-1   I-1                    0         1
#>  2 I-1   2020-01-01 Utha    103 K-1   I-1                    0         1
#>  3 I-2   2020-01-02 Wash~   122 K-1   I-2                    0         1
#>  4 I-3   2020-02-01 Tokyo   123 K-2   I-3                    0         1
#>  5 I-3   2020-02-01 Osaka   193 K-2   I-3                    0         1
#>  6 I-4   2020-02-02 Lond~   144 K-3   I-4, I-7               0         2
#>  7 I-5   2020-02-04 Dubai   101 K-4   I-5, I-6,~             0         3
#>  8 I-6   2019-11-01 Dubai   101 K-4   I-5, I-6,~             0         3
#>  9 I-7   2019-11-01 Lond~   144 K-3   I-4, I-7               0         2
#> 10 I-8   2018-12-13 Tokyo   143 K-5   I-8                    0         1
#> 11 I-9   2019-05-17 Dubai   101 K-4   I-5, I-6,~             0         3
#> 12 I-19  2020-03-11 Dubai   150 K-7   I-19                   0         1
#> # ... with 1 more variable: same_uid <dbl>

^{Создано 05.08.2020 пакет REPEX (v0.3.0)}