基于一列合并两个数据框而不重复行并保留更多数据答案

【问题标题】：merging two dataframes based on one column without duplicating rows and preserving more data基于一列合并两个数据框而不重复行并保留更多数据
【发布时间】：2018-10-05 18:57:33
【问题描述】：

我的目标是合并两个基于列genus 的大型数据框，但具有不重复行的特殊条件（第一次尝试未解决）；并且还保留来自两个数据帧的更多信息（在第二次尝试中未解决），请查看所需的输出：

chromdata <- read.table(text="
 genus sp
1      Acosta       Acosta_1
2    Aguilera     Aguilera_1
3      Acosta       Acosta_2
4    Aguilera     Aguilera_2
5       other              1   # EDIT: new rows    
6       other              2",header=TRUE,fill=TRUE,stringsAsFactors=FALSE)

treedata <- read.table(text="
 genus sp
1      Acosta       Acosta_3
2    Aguilera     Aguilera_3
3      Acosta       Acosta_4
4    Aguilera     Aguilera_4
5       other              3",header=TRUE,fill=TRUE,stringsAsFactors=FALSE)

#First try
merge(chromdata,treedata, by="genus", all=F)

#Second try
chromdata$sp2<-treedata$sp[match(chromdata$genus, treedata$genus)]
chromdata
     genus         sp        sp2
1   Acosta   Acosta_1   Acosta_3
2 Aguilera Aguilera_1 Aguilera_3
3   Acosta   Acosta_2   Acosta_3 #Acosta_4 missing
4 Aguilera Aguilera_2 Aguilera_3 # Aguilera_4 missing
5    other          1          3
6    other          2          3

期望的输出：

     genus         sp        sp2
1   Acosta   Acosta_1   Acosta_3
2 Aguilera Aguilera_1 Aguilera_3
3   Acosta   Acosta_2   Acosta_4
4 Aguilera Aguilera_2 Aguilera_4
5    other          1          3 # EDIT: new rows
6    other          2          3

【问题讨论】：

标签： r dataframe merge

【解决方案1】：

您可以添加另一列进行合并：

library(data.table)
merge(
  transform(chromdata, r = rowid(genus)), 
  transform(treedata, r = rowid(genus)), 
  by=c("r", "genus")
)

  r    genus       sp.x       sp.y
1 1   Acosta   Acosta_1   Acosta_3
2 1 Aguilera Aguilera_1 Aguilera_3
3 2   Acosta   Acosta_2   Acosta_4
4 2 Aguilera Aguilera_2 Aguilera_4

如果你不想加载 data.table，你也可以得到类似 ave(genus, genus, FUN = seq_along) 或 many other ways 的 rowid。

【讨论】：

我发现了一个答案不起作用的案例，请参阅编辑。
解决了在你的函数中添加 , all.x=T) ；图书馆（tidyverse）； df %>% group_by(genus) %>% fill(sp.y)

【解决方案2】：

我想详细说明 data.table 方法。

首先，您可以读取数据，然后直接将其转换为 data.table 对象：

library(data.table)

chromdata <- as.data.table(read.table(text="
 genus sp
                        1      Acosta       Acosta_1
                        2    Aguilera     Aguilera_1
                        3      Acosta       Acosta_2
                        4    Aguilera     Aguilera_2",header=TRUE,fill=TRUE,stringsAsFactors=FALSE))

treedata <- as.data.table(read.table(text="
                       genus sp
                       1      Acosta       Acosta_3
                       2    Aguilera     Aguilera_3
                       3      Acosta       Acosta_4
                       4    Aguilera     Aguilera_4",header=TRUE,fill=TRUE,stringsAsFactors=FALSE))

之后，您需要一个额外的列来实现所需的输出所需的合并操作：

chromdata[, N := seq_len(.N), genus]
treedata[, N := seq_len(.N), genus]

这些行为您提供组内的行 ID。

最后，在 data.table 包的帮助下，我们可以在公共列上合并这两个表：

chromdata[treedata, on = c("genus", "N")]

最终输出：

      genus         sp N       i.sp
1:   Acosta   Acosta_1 1   Acosta_3
2: Aguilera Aguilera_1 1 Aguilera_3
3:   Acosta   Acosta_2 2   Acosta_4
4: Aguilera Aguilera_2 2 Aguilera_4

【讨论】：

这个类似于rowidv函数。
@Ferroao 我知道，正如我所说的，我想详细说明 data.table 视角
rowidv 也是 data.table