比较来自两个数据框的列，并在匹配时将 df2 中的行 cbind 到 df1答案

【问题标题】：Compare columns from two dataframe and cbind the rows from df2 to df1 when matching比较来自两个数据框的列，并在匹配时将 df2 中的行 cbind 到 df1
【发布时间】：2020-04-14 02:31:08
【问题描述】：

我正在尝试寻找一种方法来比较两个数据帧，下面是比较部分的逻辑，例如第一个数据帧 (df1)

order   billing_doc  gst_invoice_no
2321    938456847    GT8476534
7465    943758465    HG3485634
3475    253426365    GT3475634
2534    215431233    HY8347534

第二个文档示例 (df2)

order_number    shipment_number   invoice_number    final_status
3347            28I4Y348843       GT36543265        Delivered
2376            WEKRUH32343       234U652763        Dispatched
2732            93745874654       HT35426343        Invoiced
5434            34598749R43       HY32562343        Delivered
2344            WUTR7635632       HU35642653        Packed
2331            2343234IUY4       FER3542542        Cancelled

比较这两个数据框的逻辑是：

将 df1 中的 gst_invoice_no 列与 df2 中的 invoice_number 进行比较，如果匹配，则将 df2 中的行绑定到 df1；
如果没有匹配，则将 df1 中的同一列 gst_invoice_no 与 df2 中的 shipping_number 进行比较，如果匹配，则将 df2 中的行绑定到 df1。

我相信我之前的问题有点压倒性。请提出一种实现前两个步骤的方法。

【问题讨论】：

标签： r dataframe merge

【解决方案1】：

您可以得到df2 的长格式，将invoice_number 和shipment_number 保持在同一列中，然后进行连接。

library(dplyr)

df1 %>%
  left_join(df2 %>%
              tidyr::pivot_longer(cols = c(invoice_number, shipment_number), 
                           values_to = 'gst_invoice_no'), by = 'gst_invoice_no')

对于更大的数据集，我们可以使用data.table：

library(data.table)
setDT(df2)
setDT(df1)

df3 <- df1[melt(df2, measure.vars = c('shipment_number', 'invoice_number'), 
     value.name = "gst_invoice_no"), on = 'gst_invoice_no']

df3[, .SD[1L], gst_invoice_no]

【讨论】：

嗨，我收到此错误：“错误：无法分配大小为 553.6 Mb 的向量另外：警告消息：列gst_invoice_no 加入因子和字符向量，强制转换为字符向量”
谢谢你成功了。但问题是我在 df2 中有多个 df1 值，这会在 df1 中创建重复项，有没有一种方法可以让我们找到找到的第一个匹配项，然后将该行从 df2 绑定到 df1 ？
我们可以为每个gst_invoice_no 选择第一行。检查更新是否有帮助。