创建一个虚拟变量列，指示记录是否在第二个数据框中？答案

【问题标题】：Create a dummy variable column that indicates if a record is in a second dataframe?创建一个虚拟变量列，指示记录是否在第二个数据框中？
【发布时间】：2019-09-21 09:41:15
【问题描述】：

我有两个数据框，df1 和 df2，它们采用这样的格式（最后数据输入的可重现代码）：

df1
#>             name instrument
#> 1    John Lennon     guitar
#> 2    Mick Jagger     vocals
#> 3    Ringo Starr      drums
#> 4 Keith Richards     guitar

和

df2
#>              name beatles
#> 1     John Lennon       1
#> 2     Ringo Starr       1
#> 3 George Harrison       1
#> 4  Paul McCartney       1

我想在 df1 中添加一列，指示一条记录是否也在 df2 中（如果不是，则等于 0），所以我想要的输出是：

output
#>             name instrument beatles
#> 1    John Lennon     guitar       1
#> 2    Mick Jagger     vocals       0
#> 3    Ringo Starr      drums       1
#> 4 Keith Richards     guitar       0

我已经尝试过full_join()，但这会拉动 df2 中不在 df1 中的行，这不是我想要的。（即 George Harrison 和 Paul McCartney 行不应出现在输出中）


library(tidyverse)

df1 %>% 
  full_join(df2) 

#> Joining, by = "name"
#>              name instrument beatles
#> 1     John Lennon     guitar       1
#> 2     Mick Jagger     vocals      NA
#> 3     Ringo Starr      drums       1
#> 4  Keith Richards     guitar      NA
#> 5 George Harrison       <NA>       1
#> 6  Paul McCartney       <NA>       1

下面的可重现代码：

df1 <- data.frame(stringsAsFactors=FALSE,
         name = c("John Lennon", "Mick Jagger", "Ringo Starr", "Keith Richards"),
   instrument = c("guitar", "vocals", "drums", "guitar")
)

df2 <- data.frame(stringsAsFactors=FALSE,
                name = c("John Lennon", "Ringo Starr", "George Harrison",
                         "Paul McCartney"),
          beatles = c(1, 1, 1, 1)
       )

library(tidyverse)

df1 %>% 
  full_join(df2)

【问题讨论】：

你想要的是left_join，但它会给你NA。我不认为你可以只使用join 函数一步获得0（我很高兴错了）。

标签： r dplyr tidyverse tidyr

【解决方案1】：

df1$beatles <- ifelse(df1$name %in% df2$name, 1, 0)

            name instrument beatles
1    John Lennon     guitar       1
2    Mick Jagger     vocals       0
3    Ringo Starr      drums       1
4 Keith Richards     guitar       0

或者，如果您在 df2 中也有其他乐队，您可以这样做：

df1$beatles <- ifelse(df1$name %in% df2[df2$beatles == 1,]$name, 1, 0)

【讨论】：

【解决方案2】：

这个左连接的data.table解决方案是：

df1[df2, on = "name", nomatch = 0]

【讨论】：

【解决方案3】：

左连接然后变异以用 0 替换 NA

> library(dplyr)

> output <- df1 %>% left_join(df2, "name") %>% mutate(beatles=ifelse(!is.na(beatles),1,0))
> output
            name instrument beatles
1    John Lennon     guitar       1
2    Mick Jagger     vocals       0
3    Ringo Starr      drums       1
4 Keith Richards     guitar       0

【讨论】：

【解决方案4】：

另一种解决方案：

library(magrittr)

df1 <- data.frame(stringsAsFactors = FALSE,
                  name = c("John Lennon", "Mick Jagger", "Ringo Starr", "Keith Richards"),
                  instrument = c("guitar", "vocals", "drums", "guitar"))

df2 <- data.frame(stringsAsFactors = FALSE,
                  name = c("John Lennon", "Ringo Starr", "George Harrison",
                           "Paul McCartney"),
                  beatles = c(1, 1, 1, 1))

df1 %>%
  dplyr::left_join(y = df2,
                   by = "name") %>%
  tidyr::replace_na(replace = list(beatles = 0))
#>             name instrument beatles
#> 1    John Lennon     guitar       1
#> 2    Mick Jagger     vocals       0
#> 3    Ringo Starr      drums       1
#> 4 Keith Richards     guitar       0

【讨论】：

【解决方案5】：

我们也可以match两个dataframe的name，将nomatch参数指定为0。如果值大于0则赋值为1。前面的+参数将逻辑值转换为整数。

df1$beatles <- +(match(df1$name, df2$name, nomatch = 0) > 0)
df1

#            name instrument beatles
#1    John Lennon     guitar       1
#2    Mick Jagger     vocals       0
#3    Ringo Starr      drums       1
#4 Keith Richards     guitar       0

【讨论】：

【解决方案6】：

我们可以使用 {powerjoin} 并使用fill 参数将不匹配的值填充为0。

library(powerjoin)
power_left_join(df1, df2, beatles , by="name", fill = 0)
#>             name instrument beatles
#> 1    John Lennon     guitar       1
#> 2    Mick Jagger     vocals       0
#> 3    Ringo Starr      drums       1
#> 4 Keith Richards     guitar       0

【讨论】：