为什么合并导致比原始数据更多的行？答案

【问题标题】：Why does merge result in more rows than original data?为什么合并导致比原始数据更多的行？
【发布时间】：2014-07-31 19:01:49
【问题描述】：

当我merge两个数据框时，结果比原始数据有更多的行。

在本例中，all 数据框有 104956 行，koppen 有 3968 行， alltest 数据框有 130335 行。通常，alltest 的行数应该等于或小于 all。

为什么会发生这种通货膨胀？我不确定给出可重现的示例是否会有所帮助，因为它在我之前使用过的实例中确实有效。

alltest <- merge(all, koppen, by = "fips", sort = F)

【问题讨论】：

可能是因为两个数据框之一的 fips 重复值。
哦，等等，ALL 当然有重复的 FIPS。它不应该是唯一的。知道如何在不增加这些行的情况下合并吗？
nrow(koppen)==length(unique(koppen$fips)) 是否返回 TRUE？如果不是，则有重复值 fips
如何在不增加行数的情况下明确合并它们？
“我不确定给出可重现的示例是否会有所帮助，因为它在我之前使用过的实例中确实有效。”一个可重现的示例应该重现您遇到的问题。

标签： r join

【解决方案1】：

首先，来自?merge：

两个数据框中与指定列匹配的行被提取并连接在一起。如果有多个匹配项，则所有可能的匹配项各贡献一行。

在 cmets 中使用您的链接：

url    <- "http://koeppen-geiger.vu-wien.ac.at/data/KoeppenGeiger.UScounty.txt"
koppen <- read.table(url, header=T, sep="\t")
nrow(koppen)
# [1] 3594
length(unique(koppen$FIPS))
# [1] 2789

很明显koppen 有重复的 FIPS 代码。检查数据集和网站，似乎许多县都属于不止一个气候等级，例如，阿拉斯加的安克拉治县有三个气候等级：

koppen[koppen$FIPS==2020,]
#     STATE    COUNTY FIPS CLS  PROP
# 73 Alaska Anchorage 2020 Dsc 0.010
# 74 Alaska Anchorage 2020 Dfc 0.961
# 75 Alaska Anchorage 2020  ET 0.029

解决方案取决于您要完成的任务。如果您想提取all 中的所有行以及出现在koppen 中的任何FIPS，则这些都应该可以工作：

merge(all,unique(koppen$FIPS))

all[all$FIPS %in% unique(koppen$FIPS),]

如果您需要将县和州名称附加到 all，请使用：

merge(all,unique(koppen[c("STATE","COUNTY","FIPS")]),by="FIPS")

编辑基于以下 cmets 中的交流。

因此，由于有时koppen 中的多行具有相同的FIPS，但不同的CLS，我们需要一种方法来决定选择哪一行（例如，哪一行CLS）。这里有两种方法：

# this extracts the row with the largest value of PROP, for that FIPS
url        <- "http://koeppen-geiger.vu-wien.ac.at/data/KoeppenGeiger.UScounty.txt"
koppen     <- read.csv(url, header=T, sep="\t")
koppen     <- with(koppen,koppen[order(FIPS,-PROP),])
sub.koppen <- aggregate(koppen,by=list(koppen$FIPS),head,n=1)
result     <- merge(all, sub.koppen, by="FIPS")

# this extracts a row at random
sub.koppen <- aggregate(koppen,by=list(koppen$FIPS), 
                        function(x)x[sample(1:length(x),1)])
result     <- merge(all, sub.koppen, by="FIPS")

【讨论】：

一会儿试试。
您先生是救生员。谢谢你。 :)
好的，一个问题..我当然也需要这门课。当我使用merge(all,unique(koppen[c("STATE","COUNTY","CLASS","FIPS")]),by="FIPS") 时，它再次超出了所需的行数。但是当我只使用州、县、fips 时，代码可以正常工作。这是为什么呢？
一个给定的 FIPS 可以有多个类。你要哪个班？如果你想要所有这些，那么就会有重复的 FIPS。
问题在于，对于给定的 FIPS，koppen 中有多个 CLS。因此，如果您想要所有这些，则在合并中每个 FIPS 将获得不止一行。以 Ankorage 为例。如果all 有一行 FIPS=2020，并且您想要来自koppen 的所有三个 CLS，那么您将在 FIPS=2020 的合并中拥有三行。如果all 有多行 FIPS=2020，那么结果中将有三行 all 中 FIPS=2020 的每一行。