连接 data.frame 或 data.table 中的匹配列答案

【问题标题】：join matching columns in a data.frame or data.table连接 data.frame 或 data.table 中的匹配列
【发布时间】：2012-04-12 16:35:03
【问题描述】：

我有以下data.frames：

a <- data.frame(id = 1:3, v1 = c('a', NA, NA), v2 = c(NA, 'b', 'c'))
b <- data.frame(id = 1:3, v1 = c(NA, 'B', 'C'), v2 = c("A", NA, NA))
> a
  id   v1   v2
1  1    a <NA>
2  2 <NA>    b
3  3 <NA>    c
> b
  id   v1   v2
1  1 <NA>    A
2  2    B <NA>
3  3    C <NA>

注意：两个表中都没有定义 v1 或 v2 的 id；每个 id 值的每一列中只有一个唯一的非 NA 值

我想在“id”的匹配值上合并这些数据框：

ab <- merge(a, b, by = "id")

但我还想将`v1` 和`v2` 这两列合并，这样data.frame `ab` 将如下所示：

ab <- data.frame(id = 1:3, v1 = c("a", "B", "C"), v2 = c("A", "b", "c"))

> ab
  id v1 v2
1  1  a  A
2  2  B  b
3  3  C  c

相反，我明白了：

> merge(a, b, by = "id")
  id v1.x v2.x v1.y v2.y
1  1    a <NA> <NA>    A
2  2 <NA>    b    B <NA>
3  3 <NA>    c    C <NA>

同时使用`data.frame` 和`data.table` 的例子会很有帮助，所以这里是上面的data.table 版本：

A <- data.table(a, key = 'id')
B <- data.table(b, key = 'id')
A[B]

【问题讨论】：

标签： r merge dataframe plyr data.table

【解决方案1】：

如果您的数据像上面所说的那么简单，joran 的答案可能是最简单的方法。以下是基地的可能方法：

a <- data.frame(id = 1:3, v1 = c('a', NA, NA), v2 = c(NA, 'b', 'c'))
b <- data.frame(id = 1:3, v1 = c(NA, 'B', 'C'), v2 = c("A", NA, NA))

decider <- function(x, y) factor(ifelse(is.na(x), as.character(y), as.character(x)))
data.frame(mapply(a, b, FUN = decider))

如果您的数据有不同的 id（有些重叠，有些没有，那么这里有一种不同的方法：

a <- data.frame(id = c(1,2,4,5), v1 = c('a', NA, "q", NA), v2 = c(NA, 'b', 'c', "e"))
b <- data.frame(id = 1:4, v1 = c(NA, "A", "C", 'B'), v2 = c("A", NA, "D", NA))

decider <- function(x, y) factor(ifelse(is.na(x), as.character(y), as.character(x)))

DF <- data.frame(mapply(a, b, FUN = decider))
DF2 <- rbind(b[!b$id %in% DF$id , ], DF)
DF2 <- DF2[order(DF2$id), ]
rownames(DF2) <- 1:nrow(DF2)

【讨论】：

+1 啊，我明白你的意思了。一些 id 出现在一个 df 中，但没有出现在另一个 df 中。我怀疑我的一般策略在这种情况下仍然有效，假设 OP 的规范仍然成立，这意味着孤立的 id 中不会有任何 NA 值。

【解决方案2】：

您指定的合并类型可能无法使用merge（带有数据框），尽管说这通常会导致被证明是错误的。

您还省略了一些细节：对于每个id 值，每列中是否总是有一个唯一的非NA 值？如果是这样，这将起作用：

ab <- rbind(a,b)
> colFun <- function(x){x[which(!is.na(x))]}
> ddply(ab,.(id),function(x){colwise(colFun)(x)})
  id v1 v2
1  1  a  A
2  2  B  b
3  3  C  c

类似的策略也应该适用于data.tables：

abDT <- data.table(ab,key = "id")
> abDT[,list(colFun(v1),colFun(v2)),by = id]
     id V1 V2
[1,]  1  a  A
[2,]  2  B  b
[3,]  3  C  c