如何合并以更新具有相同列名的两个 dfs？答案

【问题标题】：How can I merge to update two dfs which have same col names?如何合并以更新具有相同列名的两个 dfs？
【发布时间】：2021-08-27 11:03:36
【问题描述】：

我有一个包含电子邮件列表的数据框，其中一些位于 NA。数据框有一个 ID 列，没有 NA。前几天我得到了一些包含一些新信息的数据。它是一个包含新电子邮件信息和相应 ID 的数据框。我希望将此添加到我的电子邮件列表中。起初，我认为使用full_join() 或left_join() 会是一个很好的方法。但是这样，添加的电子邮件列被识别为新列。我不想添加新列，我想更新电子邮件列。有没有一个简单的解决方案来完成这个？为了以简单的方式显示这种情况，我生成了以下数据。

电子邮件列表：

> email_df <- tibble(
+   id = 1:10,
+   email = rnorm(10, 1000, 10)  # Here, each number is an individual e-mail address.
+ )
> email_df[c(1,3,5,7,9), 2] <- NA  # These lines are missing values.
> email_df
# A tibble: 10 x 2
      id email
   <int> <dbl>
 1     1   NA 
 2     2 1000.
 3     3   NA 
 4     4  989.
 5     5   NA 
 6     6 1011.
 7     7   NA 
 8     8 1000.
 9     9   NA 
10    10  987.

新信息：

> new_infomation <- tibble(
+   id = c(1,3,5,7),
+   email = rnorm(4, 1000, 10)
+ )
> new_infomation
# A tibble: 4 x 2
     id email
  <dbl> <dbl>
1     1  990.
2     3 1006.
3     5 1007.
4     7 1009.

糟糕的解决方案：

> full_join(email_df, new_infomation, by = "id")
# A tibble: 10 x 3
      id email.x email.y
   <dbl>   <dbl>   <dbl>
 1     1     NA     990.
 2     2   1000.     NA 
 3     3     NA    1006.
 4     4    989.     NA 
 5     5     NA    1007.
 6     6   1011.     NA 
 7     7     NA    1009.
 8     8   1000.     NA 
 9     9     NA      NA 
10    10    987.     NA

当然，这个数据可以固定如下，但是在我看来太冗长了。

> full_join(email_df, new_infomation, by = "id") %>% 
+   mutate(
+     email = ifelse(!is.na(email.x), email.x, email.y)
+   ) %>% 
+   select(id,email)
# A tibble: 10 x 2
      id email
   <dbl> <dbl>
 1     1  990.
 2     2 1000.
 3     3 1006.
 4     4  989.
 5     5 1007.
 6     6 1011.
 7     7 1009.
 8     8 1000.
 9     9   NA 
10    10  987.

【问题讨论】：

标签： r dataframe dplyr

【解决方案1】：

这里可以使用来自dplyr的rows_update函数。

library(dplyr)

email_df %>% rows_update(new_infomation, by = 'id')

#      id email
#   <int> <dbl>
# 1     1  984.
# 2     2 1008.
# 3     3  997.
# 4     4  997.
# 5     5  990.
# 6     6 1001.
# 7     7 1006.
# 8     8 1008.
# 9     9   NA 
#10    10 1000.

【讨论】：