如何合并两个 csv 文件，删除重复项并在 R 中创建一个新列？

Question

这是一个非常简单的问题，但我无法在其他帖子中找到答案。例如： - Merging two dataframes, removing duplicates and aggregation in R - Merge two dataframes with repeated columns

两个 csv 文件具有相同的列名（例如，名称、电子邮件、状态等）。第一个 csv 是姓名和电子邮件的主列表。第二个是对某个活动进行了回复的个人列表。我想合并这两个数据框，删除所有重复项，然后变异为 RSVP ==“是/否”创建一个新列。我想你在这个问题中使用了 dplyr 的一个函数，但不确定它是full_join() 还是inner_join()。举个例子：

  status          names           email   company
1 invited     John Smith  john@email.com Company A
2 invited   Abbi Maureen  abbi@email.com Company B
3 invited       Sara Doe  Sara@email.com Company C
4 invited Maria Gonzalez maria@email.com Company D
5 invited  Frank Russell frank@email.com Company E

第二个 csv 是确认出席的个人列表，他们的状态用RSVP 标记。

 status        names          email   company
1   RSVP Abbi Maureen abbi@email.com company B
2   RSVP   John Smith john@email.com Company A

我一直在确定如何最好地合并这两个数据框，删除所有重复项，然后创建一个新列（即 RSVP 是不是）？会不会是full_join然后变异？

Answer 1

所以我的想法是，邀请数据框（我们称之为 df1）包含您想要的大部分数据，并且您想从 RSVPs 数据框添加特定的新唯一信息（我们称之为 df2）。您需要确定一个密钥以在 df1 和 df2 之间形成人行横道。在这种情况下，电子邮件是唯一键。现在，将解决方案放在一起...

首先获取要添加的密钥和新信息

df2<-df2 %>%
  select(email, status)

然后进行左连接，并变异以使用 RSVP 创建新列

merged_df<-df1 %>%
  left_join(df2, by="email") %>%
  mutate(RSVP=if_else(status=="RSVP","yes","no"))

或者您可以通过正确的连接一步完成所有操作

merge_df<-df2 %>%
  select(email, status) %>%
  right_join(df1, by="email") %>%
  mutate(RSVP=if_else(status=="RSVP","yes","no"))