通过匹配作为列添加的因子匹配因子级别的级别来合并两个数据框答案

【问题标题】：Merge two data frames by matching levels of factor- matching factor levels added as columns通过匹配作为列添加的因子匹配因子级别的级别来合并两个数据框
【发布时间】：2018-06-01 03:56:41
【问题描述】：

我有两个 df。它们的行数不同，但有一个共同的列lepsp。

set.seed(571) 
year = as.factor(c(rep("1998", 20), rep("1999", 16)))
lepsp = c(letters[1:20], c('a','b','c'),letters[8:20]) 
freq = rpois(36, lambda=12)
df1 <- data.frame(year, lepsp, freq)

lepsp = c(letters[1:26],c('a','b','c'),letters[1:20],c('e','f',"h")) 
plntsp = c(paste("plnt", sep= "_", letters[1:26]), 
      paste("plnt",sep="_",letters[1:20]),
      paste("plnt",sep="_",letters[18:23])) 
df2 <- data.frame(lepsp, plntsp)

我想在两个数据框中匹配lepsp，并向df1 添加一列，指定与每个lepsp 关联的每个plntsp。每个唯一的plntsp 都需要合并为一个新列。如果没有关联的工厂，则这些条目可以留空。新的 df 应该如下所示：

df <- data.frame(lepsp=unique(c(letters[1:5],letters[14:18])),  
          plntsp1=c("","","plnt_a","plnt_b","plnt_c","","","","",""),
          plntsp2=c("","","", "plnt_c","plnt_d","","","","",""))

我过去使用它进行匹配，但不知道如何调整它以便将plntsp 的每个级别添加为新列。

 df1$plntsp<-df2$plntsp[match(df1$lepsp, df2$lepsp)]

【问题讨论】：

letters[seq(from = 1, to = 20 )] 可以简单地写成letters[1:20]。而letters[1:26] 就是letters
merge(df1, df2, on='plntsp', ...)，但我不清楚您给出的合并结果 df 与 df1 和 df2 的关系。

标签： r dataframe match

【解决方案1】：

您可以使用dplyr::left_join 加入df1 和df2。汇总leapsp 的数据。最后，在多个列中使用splitstackshape::cSplit 分隔plntsp 为：

library(tidyverse)
library(splitstackshape)

left_join(df1, df2, by="lepsp") %>%
  select(lepsp, plntsp) %>%
  distinct() %>%
  group_by(lepsp) %>%
  summarise(plntsp = toString(plntsp)) %>%
  ungroup() %>%
  cSplit("plntsp")

#    lepsp plntsp_1 plntsp_2 plntsp_3
# 1:     a   plnt_a   plnt_d       NA
# 2:     b   plnt_b   plnt_e       NA
# 3:     c   plnt_c   plnt_f       NA
# 4:     d   plnt_d   plnt_g       NA
# 5:     e   plnt_e   plnt_h   plnt_u
# 6:     f   plnt_f   plnt_i   plnt_v
# 7:     g   plnt_g   plnt_j       NA
# 8:     h   plnt_h   plnt_k   plnt_w
# 9:     i   plnt_i   plnt_l       NA
# 10:     j   plnt_j   plnt_m       NA
# 11:     k   plnt_k   plnt_n       NA
# 12:     l   plnt_l   plnt_o       NA
# 13:     m   plnt_m   plnt_p       NA
# 14:     n   plnt_n   plnt_q       NA
# 15:     o   plnt_o   plnt_r       NA
# 16:     p   plnt_p   plnt_s       NA
# 17:     q   plnt_q   plnt_t       NA
# 18:     r   plnt_r       NA       NA
# 19:     s   plnt_s       NA       NA
# 20:     t   plnt_t       NA       NA

注意：请在创建数据框时使用stringsAsFactors = FALSE 参数以避免不必要的警告。

【讨论】：