基于公共列合并数据框，但保留 x 中的所有行 [重复]答案

【问题标题】：merge dataframes based on common columns but keeping all rows from x [duplicate]基于公共列合并数据框，但保留 x 中的所有行 [重复]
【发布时间】：2017-04-19 15:14:17
【问题描述】：

我需要合并两个数据框 x 和 y，它们有大约 50 列共同和一些独特的列，我需要保留 中的所有行x.

如果我运行它会起作用：

 NewDataframe <- merge(x, y, by=c("ColumnA", "ColumnB", "ColumnC"),all.x=TRUE)

问题是公共列有50多个，我宁愿避免输入所有公共列的名称。

我试过了：

 NewDataframe <- merge(x, y, all.x=TRUE)

但是出现如下错误：

 Error in merge.data.table(x, y, all.x = TRUE) :
 Elements listed in `by` must be valid column names in x and y

有没有什么方法可以将by 与公共列一起使用而无需键入所有这些列，但保留 x 中的所有行？

谢谢。

【问题讨论】：

你试过dplyr::left_join吗？那应该可以在一个命令中完成您想要的所有操作。

标签： r dataframe merge

【解决方案1】：

我认为您有数据表而不是简单的数据框，并且两者之间的合并工作方式略有不同。您可以尝试通过使用 NewDataframe <- merge.data.frame(x, y, all.x=TRUE) 强制它使用数据框方法，默认情况下它应该合并所有共享列名。

【讨论】：

【解决方案2】：

您希望基于所有常用列进行合并。因此，首先您需要找出两个数据帧之间共有哪些列名。

common_col_names <- intersect(names(x), names(y))

然后你在合并函数中使用这个字符向量作为你的by参数。

merge(x, y, by=common_col_names, all.x=TRUE)

编辑：在阅读了@Andrew Gustar 的answer 之后，我仔细检查了合并功能的文档，这正是默认的by 参数：

## S3 method for class 'data.frame'
merge(x, y, by = intersect(names(x), names(y)), # <-- Look here
      by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,
      sort = TRUE, suffixes = c(".x",".y"),
      incomparables = NULL, ...)

【讨论】：

使用 all.y=T，我正确地获得了数据框 Y 中的值，但它还将所有列添加到最终合并的数据框中，而不仅仅是公共列。所有列都通过了。

【解决方案3】：

dplyr 中的 left_join 函数应该可以为您提供您想要的。

首先创建一些虚拟数据...

shared <- tibble(a=rnorm(327), b=rnorm(327),c=rnorm(327),d=rnorm(327),e=rnorm(327),f=rnorm(327),g=rnorm(327))
x <- cbind(shared, tibble(v =rnorm(327),w=rnorm(327),x=rnorm(327),y=rnorm(327),z=rnorm(327)))
y <- cbind(shared, tibble(h =rnorm(327),i=rnorm(327),j=rnorm(327),k=rnorm(327),l=rnorm(327)))
rm(shared)

然后只需运行连接...

dplyr::left_join(x,y)
# Joining, by = c("a", "b", "c", "d", "e", "f", "g")

如您所见，该函数计算出哪些列在两者之间共享，并自动在连接中使用它们。

【讨论】：