根据来自不同 DataFrame 的分组值更新 DataFrame

Question

我有一个数据框，它的列需要根据查找表进行更新。查找表基于分组集。如果未找到匹配项，则要更新的值将留空。

这是我的输入数据：

dput(DF_Generated)
structure(list(PO_ID = c("P1234", "P1234", "P1234", "P1234", 
"P1234", "P1234", "P1234", "P2345", "P2345", "P2345", "P3456", 
"P3456", NA, NA), SO_ID = c("S1", "S1", "S1", "S2", "S2", "S2", 
"S3", "S3", "S4", "S5", "S7", NA, "S10", "S10"), F_Year = c(2012, 
2012, 2012, 2013, 2013, 2013, 2013, 2011, 2011, 2012, 2014, 2014, 
2015, 2015), Product_ID = c("385X", "385X", "385X", "450X", "450X", 
"900X", "N9X", "3700", "3700", "3800", "A11U", "385X", "2700", 
"3700"), Revenue = c(16.6666666666667, 16.6666666666667, 16.6666666666667, 
35, 35, 35, 100, 100, -50, 20, 50, 20, 100, 10), Quantity = c(1, 
1, 1, 10, 10, 20, 20, 20, -10, 20, 20, 5, 40, 20), Location1 = c("MA", 
"NY", "WA", "NY", "WA", "NY", NA, "IL", "IL", NA, "MN", NA, "CA", 
NA), Name = c("N1", "N1", "N1", "N1", "N1", "N1", NA, "N2", "N2", 
NA, "N3", NA, "N4", NA)), class = c("tbl_df", "tbl", "data.frame"
), row.names = c(NA, -14L), .Names = c("PO_ID", "SO_ID", "F_Year", 
"Product_ID", "Revenue", "Quantity", "Location1", "Name"))

这是我的查找表：

dput(DF_Lookup_2)
structure(list(PO_ID = c("P1234", "P1234", "P1234", "P1234", 
"P1234", "P2345", "P2345", "P3456", NA), SO_ID = c("S1", "S1", 
"S1", "S2", "S2", "S3", "S4", "S7", "S10"), F_Year = c(2012, 
2012, 2012, 2013, 2013, 2011, 2011, 2014, 2015), Location1 = c("MA", 
"NY", "WA", "NY", "WA", "IL", "IL", "MN", "CA"), Name = c("N1", 
"N1", "N1", "N1", "N1", "N2", "N2", "N3", "N4")), class = c("tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -9L), .Names = c("PO_ID", 
"SO_ID", "F_Year", "Location1", "Name"))

预期的输出是：

dput(DFO)
structure(list(PO_ID = c("P1234", "P1234", "P1234", "P1234", 
"P1234", "P1234", "P1234", "P2345", "P2345", "P2345", "P3456", 
"P3456", NA, NA), SO_ID = c("S1", "S1", "S1", "S2", "S2", "S2", 
"S3", "S3", "S4", "S5", "S7", NA, "S10", "S10"), F_Year = c(2012, 
2012, 2012, 2013, 2013, 2013, 2013, 2011, 2011, 2012, 2014, 2014, 
2015, 2015), Product_ID = c("385X", "385X", "385X", "450X", "450X", 
"900X", "N9X", "3700", "3700", "3800", "A11U", "385X", "2700", 
"3700"), Revenue = c(16.6666666666667, 16.6666666666667, 16.6666666666667, 
35, 35, 35, 100, 100, -50, 20, 50, 20, 100, 10), Quantity = c(1, 
1, 1, 10, 10, 20, 20, 20, -10, 20, 20, 5, 40, 20), Location1 = c("MA", 
"NY", "WA", "NY", "WA", "NY", NA, "IL", "IL", NA, "MN", NA, "CA", 
"CA"), Name = c("N1", "N1", "N1", "N1", "N1", "N1", NA, "N2", 
"N2", NA, "N3", NA, "N4", "N4")), .Names = c("PO_ID", "SO_ID", 
"F_Year", "Product_ID", "Revenue", "Quantity", "Location1", "Name"
), row.names = c(NA, 14L), class = "data.frame")

逻辑：

查找是基于三列完成的：PO_ID,SO_ID,F_Year。如果找到匹配项，则仅当数据框需要更新时才会覆盖条目。例如，列Location1 和Name 的行使得PO_ID = P1234、SO_ID = S1 和F_Year = 2012 不应被覆盖，因为它们的值已经存在于查找中桌子。但是，Location1 和 Name 列中的条目对于这样的行：PO_ID = NA、SO_ID = S10 和 F_Year = 2015 需要使用来自的有效值进行更新查找表，分别为CA 和N4。我尝试使用Data.Table，但我下面的代码覆盖了所有条目，这是不正确的。

我阅读了Compare and merge two dataframes 线程，并尝试这样做，但代码覆盖了我不需要查找的现有条目。

这是我的代码：

data.table::setDT(DF_Generated)
data.table::setDT(DF_Lookup_2)
data.table::setkey(DF_Generated,PO_ID,SO_ID,F_Year)
data.table::setkey(DF_Lookup_2,PO_ID,SO_ID,F_Year)

DF_Generated[DF_Lookup_2,on=c("PO_ID","SO_ID","F_Year"),c("Location1","Name"):=list(i.Location1,i.Name)]

我有两个问题：

问题：1) 我使用Data.Table 因为我的实际数据很大。所以，我正在寻找基于data.table 的解决方案。如何修复我的 data.table 代码？

问题 2) 如果这是推荐的方式，我也愿意接受 dplyr。

但是，就我的学习而言，如果您能帮助我解决这两种解决方案，我将不胜感激。我是初学者，还在学习这两个包。

Answer 1

这样做的另一个方法是（按条件）加入DF_Lookup_2，然后分配回DF_Generated。反过来这样做的原因是因为在和X[Y] 连接中，结果连接的长度为Y，因此DF_Lookup_2[DF_Generated] 类型的连接将为我们提供所需的长度。然后，我们可以将它原样放回DF_Generated。

DF_Generated[is.na(Location1) | is.na(Name), c("Location1", "Name"):= 
               DF_Lookup_2[DF_Generated[is.na(Location1) | is.na(Name)], 
                           .(Location1, Name), on = .(PO_ID, SO_ID, F_Year)]]


identical(DF_Generated, setDT(DFO))
## [1] TRUE

Answer 2

我们可以在加入on'PO_ID'、'SO_ID'和'F_Year'时创建两个新列，然后使用set更新有NA的旧列

setDT(DF_Generated)[setDT(DF_Lookup_2), c("Location1N", "NameN") := list(i.Location1, 
                               i.Name),on = .(PO_ID, SO_ID, F_Year)]
nm1 <- c("Location1", "Name")
nm2 <- paste0(nm1, "N")
for(j in seq_along(nm1)){
 set(DF_Generated, i = which(is.na(DF_Generated[[nm1[j]]])), j=nm1[j], 
                     value = DF_Generated[[nm2[j]]][is.na(df1[[nm1[j]]])])
}
DF_Generated[, (nm2) := NULL][]

identical(setDT(DFO), DF_Generated)
#[1] TRUE