按R中的行名组合不同长度的数据帧列表答案

【问题标题】：Combine list of data frames of differing length by row names in R按R中的行名组合不同长度的数据帧列表
【发布时间】：2018-03-23 19:13:59
【问题描述】：

我有一个不同长度的数据帧列表 (df)，按年份索引，这样数据的代理看起来像：

df

  $df1          
         X..i..
  1999     10
  1998     13 
  1997     14

 $df2
         X..i..
 1999      20
 1998      11

 $df3
         X..i..
 1999      17
 1998       8
 1997       9
 1996      19

我想使用并保留索引/行名将这些数据帧组合成一个数据帧

这样：

df_all
 Index     df1   df2   df3
  1999      10    20    17
  1998      13    11     8
  1997      14    n/a    9
  1996      n/a   n/a   19

编辑：

smalldflist <- lapply(bai_df, function(i) head(i, 10))
dput(smalldflist)

产生以下输出：

结构（列表（IN_DonaldsonWoods_QUAL.txt = 结构（列表（X..i.. = c(4.5528243479162, 32.6474339976978, 52.7116018957456, 170.932582874866, 227.0430440174, 191.462399206825, 226.94053541991, 274.854835798233, 336.457600434571, 409.132933511232)), .Names = "X..i..", row.names = c("1725", “1726”、“1727”、“1728”、“1729”、“1730”、“1731”、“1732”、“1733”、 “1734”），class= “data.frame”），IN_DonaldsonWoods_QURU.txt = 结构（列表（ X..i.. = c(4.33729067152776, 5.72878688080428, 13.0247658962315, 22.0205798005054, 25.9885943197615, 18.9273551074104, 43.5197887382031, 58.2775710248884, 72.9225976242458, 73.0466756114972)), .Names = "X..i..", row.names = c("1827", “1828”、“1829”、“1830”、“1831”、“1832”、“1833”、“1834”、“1835”、 “1836”），class= “data.frame”），IN_DonaldsonWoods_QUVE.txt = 结构（列表（ X..i.. = c(7.87253273859391, 18.9481296742303, 42.5055176960097, 62.9980951594496, 88.906442207264, 74.2523230533691, 106.911242713809, 152.445167763284, 192.399603839633, 221.263660216113)), .Names = "X..i..", row.names = c("1731", “1732”、“1733”、“1734”、“1735”、“1736”、“1737”、“1738”、“1739”、 “1740”），class= “data.frame”），IN_LillyDickey_QUAL.txt = 结构（列表（ X..i.. = c(8.29576810088555, 17.2934968058816, 31.2091720401804, 33.8966066349882, 47.6496887415004, 32.9921546763907, 82.2281435044324, 108.068226885475, 103.894002151431, 110.255812097949)), .Names = "X..i..", row.names = c("1863", “1864”、“1865”、“1866”、“1867”、“1868”、“1869”、“1870”、“1871”、 “1872”），class= “data.frame”），IN_LillyDickey_QUMO.txt = 结构（列表（ X..i.. = c(3.42413493048312, 8.0847630303073, 19.6833503197648, 13.791136218324, 21.4638165402601, 30.6707376168741, 30.8789937938806, 26.8661212585221, 24.0732956549621, 29.7872997715364)), .Names = "X..i..", row.names = c("1867", “1868”、“1869”、“1870”、“1871”、“1872”、“1873”、“1874”、“1875”、 “1876”），class= “data.frame”），IN_Pioneers_QUAL.txt = 结构（列表（ X..i.. = c(9.14340435634345, 23.5108626053757, 33.8507393822465, 46.1027716604662, 57.5247983011993, 50.5892015892391, 92.2448163706925, 225.832932372368, 278.367628044195, 193.931508820174)), .Names = "X..i..", row.names = c("1817", “1818”、“1819”、“1820”、“1821”、“1822”、“1823”、“1824”、“1825”、 “1826”），class= “data.frame”），IN_Pioneers_QURU.txt = 结构（列表（ X..i.. = c(122.443727611702, 658.649900930018, 830.471777578934, 843.357139228152、1725.6495913006、1244.38668477703、973.00892131628、 1294.7441782001, 1717.18570086886, 1676.63841798444)), .Names = "X..i..", row.names = c("1861", “1862”、“1863”、“1864”、“1865”、“1866”、“1867”、“1868”、“1869”、 “1870”），class= “data.frame”），OH_JohnsonWoods_QUAL.txt = 结构（列表（ X..i.. = c(1.9113449704439, 3.39794661412248, 5.32688450342693, 6.41921626908008, 11.0307601252838, 13.0825342873437, 15.843680070585, 16.885746353779, 20.1011664347289, 19.853294774361)), .Names = "X..i..", row.names = c("1626", “1627”、“1628”、“1629”、“1630”、“1631”、“1632”、“1633”、“1634”、 "1635"), class= "data.frame")), .Names = c("IN_DonaldsonWoods_QUAL.txt", “IN_DonaldsonWoods_QURU.txt”、“IN_DonaldsonWoods_QUVE.txt”、“IN_LillyDickey_QUAL.txt”、 “IN_LillyDickey_QUMO.txt”、“IN_Pioneers_QUAL.txt”、“IN_Pioneers_QURU.txt”、 "OH_JohnsonWoods_QUAL.txt"))

【问题讨论】：

你能粘贴dput(df)的结果吗？这样可以更轻松地处理您的数据并制定解决方案。
@beigel 我提供的数据只是一个代理。我正在处理大型数据集
创建一个较小的 df 列表，如 10 行 X 3 列：smalldfList <- lapply(dfList, function(i) head(i, 10)[c("col1", "col2", "col3")])。然后dput(smalldfList)，然后在此处发布那个 gobblyegook（相信我们，我们知道如何使用它）。

标签： r dataframe merge

【解决方案1】：

如果您只有在全局环境中需要的数据，您可以尝试以下方法。首先，您收集所有数据框中的唯一年份并创建一个主数据框，其中仅包含唯一年份。然后，将所有数据框放入一个列表中，并将每个数据框与master 合并。由于您在 temp 中有主数据框，因此您将其删除。最后，绑定所有数据帧并将长格式更改为宽格式。

library(tidyverse)

# Create a data frame with all unique years

master <- data.frame(year = mget(ls()) %>%
                            sapply(`[`, 1) %>%
                            as_vector %>% 
                            unique)

# Merge each data frame with the master df
temp <- mget(ls()) %>%
        lapply(function(x){full_join(x, master, by = "year")})

# Remove the master df in the list
temp[["master"]] <- NULL

# Bind all dfs and make it wide.
bind_rows(temp, .id = "data") %>%
spread(key = data, value = value)

#  year df1 df2 df3
#1 1996  NA  NA  19
#2 1997  14  NA   9
#3 1998  13  11   8
#4 1999  10  20  17

数据

df1 <- data.frame(year = c(1999, 1998, 1997),
                  value = c(10, 13, 14))

df2 <- data.frame(year = c(1999, 1998),
                  value = c(20, 11))

df3 <- data.frame(year = c(1999, 1998, 1997, 1996),
                  value = c(17, 8, 9, 19))

【讨论】：

Ben，请查看 @jazzurro 为您提供的示例数据，这被认为是一个可重复的示例，用户可以简单地粘贴并使用它来回答您的问题和解决错误： )

【解决方案2】：

您可以使用Reduce 到merge 多个数据帧。设置all = TRUE，当没有匹配发生时添加NA。注意 df 是您设置的数据框列表，by 表示用于合并的列。因此，在您的数据框列表中，“索引”应该是每个数据框中年份列的名称。

Reduce(function(...) merge(..., by="Index", all=TRUE), df)

感谢@jazzuro 提供的示例数据，这里是在base R 中使用Reduce 的等效解决方案。在此示例集中，用于合并by="year" 的列：

df1 <- data.frame(year = c(1999, 1998, 1997),
              value = c(10, 13, 14))

df2 <- data.frame(year = c(1999, 1998),
              value = c(20, 11))

df3 <- data.frame(year = c(1999, 1998, 1997, 1996),
              value = c(17, 8, 9, 19))
df <- list(df1=df1, df2=df2, df3=df3)
df_merge  <- Reduce(function(...) merge(..., by="year", all=TRUE), df)
colnames(df_merge) <- c("Index", names(df))

#   Index df1 df2 df3
# 1 1996  NA  NA  19
# 2 1997  14  NA   9
# 3 1998  13  11   8
# 4 1999  10  20  17

【讨论】：

这会产生以下错误： f(init, x[[i]]) 中的错误：未使用的参数 (x[[i]])
当我没有您的数据是可用格式时，我很难解决您的错误。正如@beigel 建议的那样，您需要将dput(df) 的输出粘贴到您的问题中，其中 df 是您的代理数据，它应该与您的真实数据具有相同的结构
dput(df) 的输出超过了问题正文的字符数限制
df 应该只是您数据的一个子集，而不是您的全部数据。在您的示例中，您有一个 3、2、4 元素的数据框列表，不应超过字符限制。
对不起，我最初提供的数据是代理，而不是子集。也就是说，它只是为了代表我的数据

【解决方案3】：

重新考虑@Djork 显示的链合并，但确保创建一个名为Index 的实际列，该列等于rownames()。此外，根据 df# 重命名 X..1 列，这也避免了合并期间出现重复列警告。下面的dfs相当于贴出来的smalldflist：

dfs <- lapply(seq_along(dfs), function(i){
        dfs[[i]]$Index = rownames(dfs[[i]])        # CREATE INDEX
        colnames(dfs[[i]])[1] <- paste0("df", i)   # RENAME X..1 COLUMN

        return(dfs[[i]])
})

dfs[[1]]
#             df1 Index
# 1725   4.552824  1725
# 1726  32.647434  1726
# 1727  52.711602  1727
# 1728 170.932583  1728
# 1729 227.043044  1729
# 1730 191.462399  1730
# 1731 226.940535  1731
# 1732 274.854836  1732
# 1733 336.457600  1733
# 1734 409.132934  1734

finaldf <- Reduce(function(...) merge(..., by="Index", all=TRUE), dfs)

finaldf
#    Index    df1     df2     df3     df4    df5    df6   df7        df8
# 1   1626     NA      NA      NA      NA     NA     NA    NA   1.911345
# 2   1627     NA      NA      NA      NA     NA     NA    NA   3.397947
# 3   1628     NA      NA      NA      NA     NA     NA    NA   5.326885
# 4   1629     NA      NA      NA      NA     NA     NA    NA   6.419216
# 5   1630     NA      NA      NA      NA     NA     NA    NA  11.030760
# ...

【讨论】：