r 将具有共同变量和唯一变量的 2 个数据帧合并为长数​​据

Question

不确定我的标题是否能很好地表达我的问题。如果您可以阅读此示例，它将更有意义。我想合并 2 个数据框，它们是 2 波纵向调查。 Time1 数据框的参与者多于 Time2 数据框，因为并非每个人都返回了 Time 2 调查。两次都测量了一些变量，但还有一些变量仅在每个数据帧中可用。例如，

> d1
   ID v1 v2 T v3
1  1  A  E 1  6
2  2  B  D 1  7
3  3  C  C 1  8
4  4  D  B 1  9
5  5  E  A 1 10

> d2
  ID v1 v2 T  v4
1  1  F  A 2 100
2  3  G  B 2 101
3  5  H  C 2 102

我想通过合并两者来制作一个长数据集，只保留数据在两个时间都可用的参与者并保持所有变量。我希望合并后的数据看起来像 d3：

> d3
  ID v1 v2 T v3  v4
1  1  A  E 1  6 100
2  3  C  C 1  8 101
3  5  E  A 1 10 102
4  1  F  A 2  6 100
5  3  G  B 2  8 101
6  5  H  C 2 10 102

我使用的代码如下。

d4<- merge(d1, d2, by=intersect(names(d1), names(d2)), all= TRUE)
d4<-d4[d4$ID %in% d4$ID[duplicated(d4$ID)],]

d4<- arrange(d4, T, ID)

d4[1:3, 6] <- d4[4:6, 6]
d4[4:6, 5] <- d4[1:3, 5]

我得到了我想要的，但这需要时间并且容易出错。我认为必须有更有效的方法来做到这一点。有人可以帮忙吗？

Answer 1

希望这超出您的示例：

library(dplyr)

# Create an intermediate frame for just v3 and v4
d1a <- d1 %>% 
select(ID, v3)

d2a <- d2 %>%
select(ID, v4) %>%
merge(d1a)

d3 <- d1 %>% 
bind_rows(d2) %>% # Stack one frame on top of the other
select(-c(v3, v4)) %>% 
merge(d2a, by="ID", all.x = TRUE) %>% # Merge in to each case of those IDs
filter(complete.cases(.)) %>% # Remove rows with NAs
arrange(`T`) %>% # Arrange by T
select(ID, v1, v2, `T`, v3, v4) # Order from low to high to match your end data

结果：

  ID v1 v2 T v3  v4
1  1  A  E 1  6 100
2  3  C  C 1  8 101
3  5  E  A 1 10 102
4  1  F  A 2  6 100
5  3  G  B 2  8 101
6  5  H  C 2 10 102