合并和总结两个数据框答案

【问题标题】：Merging and summarizing two dataframes合并和总结两个数据框
【发布时间】：2016-08-15 22:12:46
【问题描述】：

我有以下数据：

a <- data.frame(ID=c("A","B","Z","H"), a=c(0,1,2,45), b=c(3,4,5,22), c=c(6,7,8,3))
> a
  ID  a  b c
1  A  0  3 6
2  B  1  4 7
3  Z  2  5 8
4  H 45 22 3

b <- data.frame(ID=c("A","B","E","W","Z","H"), a=c(9,10,11,39,5,0), b=c(4,2,7,54,12,34), c=c(12,0,34,23,13,14))

> b
   ID  a  b  c
1:  A  9  4 12
2:  B 10  2  0
3:  E 11  7 34
4:  W 39 54 23
5:  Z  5 12 13
6:  H  0 34 14

我想合并两个数据框，只保留 data.frame a 的行并汇总相同的列，所以最后我得到：

> z
  ID  a   b   c
1  A  9   7  18
2  B 11   6   7
3  Z  7  17  21
4  H 45  56  17

到目前为止，我已经尝试了以下方法：

merge(a,b,by="ID",all.x=T,all.y=F)
> merge(a,b,by="ID",all.x=T,all.y=F)
  ID a.x b.x c.x a.y b.y c.y
1  A   0   3   6   9   4  12
2  B   1   4   7  10   2   0
3  H  45  22   3   0  34  14
4  Z   2   5   8   5  12  13

> join(a,b,type="left",by="ID")
  ID  a  b c  a  b  c
1  A  0  3 6  9  4 12
2  B  1  4 7 10  2  0
3  Z  2  5 8  5 12 13
4  H 45 22 3  0 34 14

我无法总结这些列。

我的数据框非常大，所以如果解决方案可以加快速度，那就更好了。

【问题讨论】：

标签： r dataframe merge

【解决方案1】：

如果你的 data.frame 很大，那么你可以考虑这个选项：

library(data.table)

## convert data.frame to data.table
setDT(a)

## convert data.frame to data.table
setDT(b)

## merge the two data.tables
c <- merge(a,b,by='ID')

## extract names of all columns except the first one i.e. ID
col_names <- colnames(a)[-1]

## query building
col_1 <- paste0(col_names,'.x')

col_2 <- paste0(col_names,'.y')

cols <- paste(col_1,col_2,sep=',')

cols_2 <- paste0(col_names," = sum(",cols,")")

cols_3 <- paste(cols_2,collapse=',')

query <- paste0("z <- c[,.(",cols_3,"),by=ID]")

## query execution
eval(parse(text = query))

【讨论】：

【解决方案2】：

这至少适用于您的示例：

a <- data.frame(ID=c("A","B","Z","H"), a=c(0,1,2,45), b=c(3,4,5,22), c=c(6,7,8,3))
b <- data.frame(ID=c("A","B","E","W","Z","H"), a=c(9,10,11,39,5,0), b=c(4,2,7,54,12,34), c=c(12,0,34,23,13,14))

match_a <- na.omit(match(b$ID, a$ID))
match_b <- na.omit(match(a$ID, b$ID))

df <- cbind(ID = a$ID[match_a], a[match_a, -1] + b[match_b, -1])

首先，从a 到b 中获取匹配的行，反之亦然，因此我们可以确定我们只有那些出现在两个数据帧中的行（我们现在知道它们在两个数据帧中的行索引)。然后，对那些匹配的行简单地使用向量化加法，但省略ID，因为factor不能被总结；手动添加ID。

【讨论】：

【解决方案3】：

您不能直接添加两个数据框，因为两个数据框的大小不相等。为了使它们大小相等，您可以检查 a 中的 IDs，它们存在于 b 中，然后将它们添加到元素中。

new <- b[b$ID %in% a$ID, ]
cbind(ID = a$ID, a[-1] + new[-1])

#  ID  a  b  c
#1  A  9  7 18
#2  B 11  6  7
#3  Z  7 17 21
#4  H 45 56 17

【讨论】：