dplyr 加入后如何删除重复的列？

Question

考虑两个数据框，df1 和 df2。
df1 有列 id、a、b。
df2 有列 id、a、c。

我想执行左连接，这样组合的数据框有列 id、a、b、c em>。

combined <- df1 %>% left_join(df2, by="id")

但在组合数据框中，列是 id、ax、b、ay、c.

我可以在连接键中包含“a”（即：left_join(df1, df2, by=c("id", "a"))），但是像 a 这样的列太多了。我只想通过主键 id 加入并删除 df2 中的所有重复列。

Answer 1

我喜欢用尽可能少的步骤做事。我认为这会减少步骤数：

combine<-df1%>%
  left_join(df2, by="id", suffix=c("",".y")%>%
  select(-ends_with(".y"))

选择命令中的减号表示您要选择除这些变量之外的所有内容。如果您想删除所有重复的列（根本没有 a 列），您可以这样做：

combine<-df1%>%
  left_join(df2, by="id", suffix=c(".x",".y")%>%
  select(-ends_with(".x"),-ends_with(".y"))

Answer 2

我认为这是实现您想要做的最简单的方法

df <- left_join(df1, df2, by = "id", suffix = c("", ".annoying_duplicate_column")) %>%
  select(-ends_with(".annoying_duplicate_column"))

（结合@Ernest Han 的回答和上面@David T 的非常有帮助的评论）

Answer 3

更通用的方法是在左连接之前删除列，否则您的组合数据集最初可能会非常大：

df1<- data.frame(id= seq(1:0), a=rnorm(1:10,0.2),b=rpois(10,0.2))
df2<- data.frame(id= seq(1:0), a=rnorm(1:10,0.2),c=rnorm(10,0.2))

varList<- names(df2)[!(names(df2) %in% names(df1))] # get non common names
varList<- c(varList,"id") # appending key parameter

combined <- df1 %>% left_join((df2 %>% select(varList)), by="id")

组合数据集不会有任何 .x 或 .y

Answer 4

“有太多像 a”这样的列你的意思是你想找到所有的列都对两个来源都通用吗？在这种情况下，为什么不直接使用交集（默认行为）？

## two data.frames, only id = 3, a = 4 matches
(df1 <- data.frame(id = 1:3, a = 2:4, b = 3:5))
#>   id a b
#> 1  1 2 3
#> 2  2 3 4
#> 3  3 4 5
(df2 <- data.frame(id = 3:2, a = 4:5, c = 1:2))
#>   id a c
#> 1  3 4 1
#> 2  2 5 2

## this produces a.x and a.y                  
dplyr::left_join(df1, df2, by = "id")
#>   id a.x b a.y  c
#> 1  1   2 3  NA NA
#> 2  2   3 4   5  2
#> 3  3   4 5   4  1

## which columns are common?
intersect(names(df1), names(df2))
#> [1] "id" "a"

## this produces id, a, b, c
dplyr::left_join(df1, df2, by = intersect(names(df1), names(df2)))
#>   id a b  c
#> 1  1 2 3 NA
#> 2  2 3 4 NA
#> 3  3 4 5  1

## this is, however, the default behaviour for left_join
## i.e. use all columns which are present in both
dplyr::left_join(df1, df2)
#> Joining, by = c("id", "a")
#>   id a b  c
#> 1  1 2 3 NA
#> 2  2 3 4 NA
#> 3  3 4 5  1

^{由reprex package (v0.3.0) 于 2020 年 5 月 6 日创建}

Answer 5

首先我们通过 id

执行连接

combined <- df1 %>% left_join(df2, by="id")

然后我们用 .x 重命名并删除 .y

combined <- combined %>% 
  rename_at(
    vars(ends_with(".x")),
    ~str_replace(., "\\..$","")
  ) %>% 
  select_at(
    vars(-ends_with(".y"))
  )