blocks|key|2309832|text|df$dec+<-+%2B(rowSums(sapply(df[,-1],+`%25in%25`,+vec))+>+0)
df
#+++ID+mp1+mp2+mp3+mp4+dec
#+1+C1++25++28++32++37+++1
#+2+C2++24++45++38+++0+++0
#+3+C3++28++33++24++20+++1|type|code-block|depth|inlineStyleRanges|entityRanges|data|syntax|javascript|2309833|unstyled|2309834|df[,-1]是比较我们需要的列的一种方法；我们也可以使用df[,2:5]或其他几种列选择工具之一。|unordered-list-item|offset|length|style|CODE|2309835|2309836|如果在vec中找到特定元素，|2309837|sapply(...)将返回一个逻辑矩阵：|2309838|2309839|sapply(df，-1，%25in%25，vec)+#+mp1+mp2+mp3+mp4+#+1，FALSE+TRUE+TRUE+FALSE+#+2，FALSE+#+3，TRUE+FALSE|2309840|2309841|逻辑在求和时，会转换为FALSE为0、TRUE为1的整数，因此您的“一个或多个”逻辑意味着一行的和大于0：|2309842|2309843|rowSums(sapply(df，-1，%25in%25，vec))+>0#1+TRUE+FALSE+TRUE|2309844|2309845|%2B(...)是将逻辑值转换为它们的整数等价项的技巧(类似于前面的项目符号)。|2309846|2309847|2309848|数据|2309849|df+<-+structure(list(ID+=+c("C1",+"C2",+"C3"),+mp1+=+c("25",+"24",+"28"),+mp2+=+c("28",+"45",+"33"),+mp3+=+c("32",+"38",+"24"),+++++mp4+=+c("37",+"0",+"20")),+class+=+"data.frame",+row.names+=+c(NA,+-3L))|2309850|entityMap^0|0|0|0|7|T|8|0|0|3|3|0|0|B|0|0|D|4|0|0|B|5|J|4|0|0|L|4|0|0|0|6|0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|1B|8|@]|9|@]|A|$B|C]]|$1|D|3|-4|5|E|7|1C|8|@]|9|@]|A|$]]|$1|F|3|G|5|H|7|1D|8|@$I|1E|J|1F|K|L]|$I|1G|J|1H|K|L]]|9|@]|A|$]]|$1|M|3|-4|5|E|7|1I|8|@]|9|@]|A|$]]|$1|N|3|O|5|E|7|1J|8|@$I|1K|J|1L|K|L]]|9|@]|A|$]]|$1|P|3|Q|5|H|7|1M|8|@$I|1N|J|1O|K|L]]|9|@]|A|$]]|$1|R|3|-4|5|E|7|1P|8|@]|9|@]|A|$]]|$1|S|3|T|5|E|7|1Q|8|@$I|1R|J|1S|K|L]]|9|@]|A|$]]|$1|U|3|-4|5|E|7|1T|8|@]|9|@]|A|$]]|$1|V|3|W|5|H|7|1U|8|@$I|1V|J|1W|K|L]|$I|1X|J|1Y|K|L]]|9|@]|A|$]]|$1|X|3|-4|5|E|7|1Z|8|@]|9|@]|A|$]]|$1|Y|3|Z|5|E|7|20|8|@$I|21|J|22|K|L]]|9|@]|A|$]]|$1|10|3|-4|5|E|7|23|8|@]|9|@]|A|$]]|$1|11|3|12|5|H|7|24|8|@$I|25|J|26|K|L]]|9|@]|A|$]]|$1|13|3|-4|5|E|7|27|8|@]|9|@]|A|$]]|$1|14|3|-4|5|E|7|28|8|@]|9|@]|A|$]]|$1|15|3|16|5|E|7|29|8|@]|9|@]|A|$]]|$1|17|3|18|5|6|7|2A|8|@]|9|@]|A|$B|C]]|$1|19|3|-4|5|E|7|2B|8|@]|9|@]|A|$]]]|1A|$]]

<pre class="lang-r prettyprint-override"><code>df$dec &lt;- +(rowSums(sapply(df[,-1], `%in%`, vec)) &gt; 0)
df
# ID mp1 mp2 mp3 mp4 dec
# 1 C1 25 28 32 37 1
# 2 C2 24 45 38 0 0
# 3 C3 28 33 24 20 1
</code></pre>
<ul>
<li><code>df[,-1]</code> is one way to compare just the columns we need; we could also have done <code>df[,2:5]</code> or one of several other column-selection tools.
</li>
<li><code>sapply(...)</code> returns a matrix of logical, if the specific element is found in <code>vec</code>:
<pre class="lang-r prettyprint-override"><code>sapply(df[,-1], `%in%`, vec)
# mp1 mp2 mp3 mp4
# [1,] FALSE TRUE TRUE FALSE
# [2,] FALSE FALSE FALSE FALSE
# [3,] TRUE FALSE FALSE FALSE
</code></pre>
</li>
<li>logicals, when summed, convert to integers with <code>FALSE</code> being 0 and <code>TRUE</code> being 1, so your logic of &quot;one or more&quot; means that the sum across a row is greater than 0:
<pre class="lang-r prettyprint-override"><code>rowSums(sapply(df[,-1], `%in%`, vec)) &gt; 0
# [1] TRUE FALSE TRUE
</code></pre>
</li>
<li><code>+(...)</code> is a trick to convert logicals to their integer equivalents (akin to the previous bullet).
</li>
</ul>
<hr />
Data
<pre class="lang-r prettyprint-override"><code>df &lt;- structure(list(ID = c(&quot;C1&quot;, &quot;C2&quot;, &quot;C3&quot;), mp1 = c(&quot;25&quot;, &quot;24&quot;, &quot;28&quot;), mp2 = c(&quot;28&quot;, &quot;45&quot;, &quot;33&quot;), mp3 = c(&quot;32&quot;, &quot;38&quot;, &quot;24&quot;), mp4 = c(&quot;37&quot;, &quot;0&quot;, &quot;20&quot;)), class = &quot;data.frame&quot;, row.names = c(NA, -3L))
</code></pre>

blocks|key|192895|text|base+R中的替代解决方案|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|192896|f+<-+function(x)+1+*+(sum(is.na(match(vec,+x)))+<+3)

df+<-+cbind(df,+dec+=+apply(df,+1,+f))|code-block|syntax|javascript|192897|entityMap^0|5|1|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@$9|N|A|O|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|P|8|@]|D|@]|E|$I|J]]|$1|K|3|-4|5|6|7|Q|8|@]|D|@]|E|$]]]|L|$]]

An alternative solution in base <code>R</code>:
<pre><code>f &lt;- function(x) 1 * (sum(is.na(match(vec, x))) &lt; 3)

df &lt;- cbind(df, dec = apply(df, 1, f))
</code></pre>

I have a dataframe <code>df</code>;
<pre><code>ID mp1 mp2 mp3 mp4
C1 25 28 32 37
C2 24 45 38 0
C3 28 33 24 20
</code></pre>
A character vector:
<pre><code>vec = c('32','35','28')
</code></pre>
and I want to match the character vector <code>vec</code> values with a data frame <code>df</code> such as if one or more value match it add a new column that contain <code>0</code> and <code>1</code> (<code>O</code> for not match and <code>1</code> for match)
<pre><code>ID mp1 mp2 mp3 mp4 dec
C1 25 28 32 37 1
C2 24 45 38 0 0
C3 28 33 24 20 1
</code></pre>

Match character vector with a dataframe and add a new column

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我有一个数据帧df；ID mp1 mp2 mp3 mp4C1 25 28 32 37C2 24 45 38 0C3 28 33 24 20一个字符向量：vec = c('32','35','28')我希望将字符向量的vec值与数据帧df进行匹配，例如，如果有一个或多个值匹配，则添加一个包含0和1的新列(O表示不匹配，1...

问将字符向量与数据帧匹配并添加新列
EN

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问将字符向量与数据帧匹配并添加新列EN