合并基于两个数据集中超过 1 列的数据集答案

【问题标题】：Merging datasets based on more than 1 column in both datasets合并基于两个数据集中超过 1 列的数据集
【发布时间】：2016-08-17 19:19:03
【问题描述】：

我正在尝试按年份和国家/地区合并两个数据集。第一个数据集 (df = GNIPC) 代表 1980-2008 年每个国家的人均国民总收入。

         Country  Year GNIpc
       (chr) (dbl) (dbl)
1    Afghanistan  1990    NA
2    Afghanistan  1991    NA
3    Afghanistan  1992  2010
4    Afghanistan  1993    NA
5    Afghanistan  1994 12550
6    Afghanistan  1995    NA

第二个数据集（df = 制裁）代表从 1946 年至今实施的经济制裁。

      country imposition sanctiontype sanctions_period
      (chr)      (dbl)        (chr)            (chr)
1 Afghanistan       1     1 6 8           1997-2001
2 Afghanistan       1     7               1979-1979
3 Afghanistan       1     4 7             1995-2002
4 Albania           1     2 8             2005-2005
5 Albania           1     7               2005-2006
6 Albania           1     8               2004-2005

我想合并这两个数据集，这样对于每个 GNI 年，我要么在该国实施制裁，要么不实施制裁。对于不在制裁期间的 GNI 年份，该值将为 0，而对于那些不在制裁期间的年份，该值为 1。这就是我希望它看起来的样子：

         Country  Year GNIpc Imposition sanctiontype
           (chr) (dbl) (dbl)   (dbl)        (chr)
1    Afghanistan  1990    NA    0            NA
2    Afghanistan  1991    NA    0            NA
3    Afghanistan  1992  2010    0            NA
4    Afghanistan  1993    NA    0            NA
5    Afghanistan  1994 12550    0            NA
6    Afghanistan  1995    NA    1           4 7

【问题讨论】：

我不会使用该格式的第二个数据集。如果有人把数据交给我，我会（1）畏缩，（2）开始转换它，以便sanctiontype 和每年sanctions_period 的每个组合都有一行。所以Afganistan 将有五行与sanctiontype = 1，1997-2001 年每一行。
阿富汗 1998 年应该是什么样子？每个制裁期（2）是一行，还是1 4 6 7 8一行？
我做了一个不同的数据集，其中每种制裁类型都有自己的行。在这里，我正在寻找一种方法来确定每个 GNI 年份是否有制裁。回顾过去的制裁类型，我该怎么做？

标签： r merge

【解决方案1】：

一些示例数据：

df1 <- data.frame(country = c('Afghanistan', 'Turkey'), 
                  imposition = c(1, 0), 
                  sanctiontype = c('1 6 8', '4'), 
                  sanctions_period = c('1997-2001', '2003-ongoing')
)

      country imposition sanctiontype sanctions_period
1 Afghanistan          1        1 6 8        1997-2001
2      Turkey          0            4     2012-ongoing

“sanctions_period”列可以用dplyr和tidyr转换：

library(tidyr)
library(dplyr)

df.new <- separate(df1, sanctions_period, c('start', 'end'), remove = F) %>% 
  mutate(end = ifelse(end == 'ongoing', '2016', end)) %>% 
  mutate(start = as.numeric(start), end = as.numeric(end)) %>% 
  group_by(country, sanctions_period) %>% 
  do(data.frame(country = .$country, imposition = .$imposition, sanctiontype = .$sanctiontype, year = .$start:.$end))

   sanctions_period     country imposition sanctiontype  year
             <fctr>      <fctr>      <dbl>       <fctr> <int>
1         1997-2001 Afghanistan          1        1 6 8  1997
2         1997-2001 Afghanistan          1        1 6 8  1998
3         1997-2001 Afghanistan          1        1 6 8  1999
4         1997-2001 Afghanistan          1        1 6 8  2000
5         1997-2001 Afghanistan          1        1 6 8  2001
6      2012-ongoing      Turkey          0            4  2012
7      2012-ongoing      Turkey          0            4  2013
8      2012-ongoing      Turkey          0            4  2014
9      2012-ongoing      Turkey          0            4  2015
10     2012-ongoing      Turkey          0            4  2016

从那里，它应该很容易与您的第一个数据框合并。请注意，您的第一个数据框将 Country 和 Year 大写，而第二个则没有。

df.merged <- merge(df.first, df.new, by.x = c('Country', 'Year'), by.y = c('country', 'year'))

【讨论】：

我对我的数据集执行了以下操作，但出现错误：df.new <- separate(sanctions4, sanctions_period, c('start', 'end'), remove = F) %>% mutate(start = as.numeric(start), end = as.numeric(end)) %>% group_by(country, sanctions_period) %>% do(data.frame(country = .$country, imposition = .$imposition, sanctiontype = .$sanctiontype, year = .$start:.$end))Error in .$start:.$end : NA/NaN argument
可能是因为对于某些观察，“sanction_period”是例如 1990 年持续的，因此当我将列分开并将 end(year) 转换为数字时，我会得到有结尾的观察的 NA持续的一年。因此，某些观察没有结束年份，并且 R 需要有才能运行以下命令？
是的，没错。我已经修改了示例数据和解决方案，以说明结束制裁期间年份为“正在进行”的行。
太棒了！有机会时请把答案标记为解决方案。

【解决方案2】：

使用dplyr：

left_join(GNIPC, sanctions, by=c("Country"="country", "Year"="Year")) %>%
  select(Country,Year, GNIpc, Imposition, sanctiontype)

【讨论】：

谢谢。但是在第二个数据框中，我没有年份变量，而是范围制裁_周期
正如joran 在评论中指出的那样，您需要整理数据。即：阿富汗 1 1 6 8 1997-2001
抱歉：正如joran 在评论中指出的那样，您需要整理数据。即：Afghanistan 1 1 6 8 1997-2001需要变成15行，范围内sanctiontype和year各一行。