加入 3 个数据帧，其中可能存在重复条目答案

【问题标题】：Joining 3 dataframes, in which duplicate entries can be present加入 3 个数据帧，其中可能存在重复条目
【发布时间】：2021-01-05 02:40:16
【问题描述】：

我有一个像这样的数据框...

df = tibble(id = c(64512, 64513, 64514, 64515), 
            customer=c("a", "a", "b", "b"))

并希望通过id 像这些一样加入另外两个数据帧...

uvp_new = tibble(id=c(64512, 64513, 64514), uvp=c(12, 14, 16))

uvp_old = tibble(id=c(64512, 64515), uvp=c(10, 18))

使用以下逻辑：每当uvp_new 中有uvp 的条目时，我想取这个（忽略uvp_old），如果uvp_new 中没有uvp 的条目，我想从uvp_old 获取uvp 的条目。

任何帮助表示赞赏

【问题讨论】：

标签： r dplyr merge

【解决方案1】：

你可以left_join()uvp_old然后使用rows_update()和uvp_new：

library(dplyr)

df %>%
  left_join(uvp_old, by = "id") %>%
  rows_update(uvp_new, by = "id")

# A tibble: 4 x 3
     id customer   uvp
  <dbl> <chr>    <dbl>
1 64512 a           12
2 64513 a           14
3 64514 b           16
4 64515 b           18

或者如果df中有重复的id，先使用rows_upsert()并将结果加入df可能会更安全：

uvp_old %>%
  rows_upsert(uvp_new, by = "id") %>%
  right_join(df, by = "id")

【讨论】：

【解决方案2】：

这是使用transform + merge 的基本 R 选项

transform(
  merge(merge(df, uvp_new, by = "id", all.x = TRUE), uvp_old, by = "id", all.x = TRUE),
  uvp = ifelse(is.na(uvp.x), uvp.y, uvp.x)
)[c("id","customer","uvp")]

给了

     id customer uvp
1 64512        a  12
2 64513        a  14
3 64514        b  16
4 64515        b  18

【讨论】：

【解决方案3】：

您可以使用两个连接将这三个连接在一起，跟踪uvp 列来自哪个data.frame 和suffixes。然后，您可以使用coalesce 选择第一个非NA。

df %>% 
  left_join(uvp_new, by = "id") %>% 
  left_join(uvp_old, by = "id", suffix = c("_new", "_old")) %>% 
  mutate(uvp = coalesce(uvp_new, uvp_old))

#      id customer uvp_new uvp_old   uvp
#   <dbl> <chr>      <dbl>   <dbl> <dbl>
# 1 64512 a             12      10    12
# 2 64513 a             14      NA    14
# 3 64514 b             16      NA    16
# 4 64515 b             NA      18    18

【讨论】：

【解决方案4】：

您可以在 uvp_new 和 uvp_old 之间进行完全连接，以将所有 id 放在一个数据框中，然后将这个组合的数据框与 df 连接起来，并选择新的 uvp 值（如果存在）或使用 @ 的旧值987654324@.

library(dplyr)

uvp_new %>%
  rename(uvp_n = uvp) %>%
  full_join(uvp_old %>%
  rename(uvp_o = uvp), by = 'id') %>%
  right_join(df, by = 'id') %>%
  mutate(uvp = coalesce(uvp_n, uvp_o))

#     id uvp_n uvp_o customer   uvp
#  <dbl> <dbl> <dbl> <chr>    <dbl>
#1 64512    12    10 a           12
#2 64513    14    NA a           14
#3 64514    16    NA b           16
#4 64515    NA    18 b           18

如果不需要，您可以删除 uvp_n 和 uvp_o 列。

【讨论】：