R - 通过匹配值对行进行分组，然后将行添加到另一个数据框中的匹配列答案

【问题标题】：R - Grouping rows by matching value then adding rows to matching columns in another data frameR - 通过匹配值对行进行分组，然后将行添加到另一个数据框中的匹配列
【发布时间】：2021-01-08 03:17:14
【问题描述】：

我正在尝试基于两个不同的列将值从一个数据框 (ex2) 添加到现有数据框 (ex1)。如您所见，两个数据框中都有一个 ID 列。但是在 ex2 中，ex1 的每一列都由不同的行而不是列表示。对于每个匹配的 ID，我想将 ex2$result 的结果添加到 ex1 中相应列标题下的匹配行（如果 ex2$alpha[i] = a 那么 ex2$result[i] 被添加到 ex1$a[ z] 其中 ex2$id[i]=ex1$id[z])。另一个复杂因素是，并非 ex1 中的所有列在 ex2 中都具有 alpha 值，因此应将它们设置为 'NA'。

ex1 <- data.frame(
  id = c(1:20),
  a = c(rep(1,5),rep(0,5),rep(NA,10)),
  b = c(rep(c(1,0),5),rep(NA,10)),
  c = c(rep(c(0,1),5),rep(NA,10)),
  d = c(rep(0,5),rep(1,5),rep(NA,10))
)

ex2 <- data.frame(
  id = c(rep(11,3),rep(12,3),rep(13,3),
         rep(14,2),rep(15,2),
         rep(16,4),rep(17,4),rep(18,4),rep(19,4),rep(20,4)),
  alpha = c(rep(c('a','b','d'),3),rep(c('a','b'),2),
rep(c('a','b','c','d'),5)),
  result = c(rep(c(0,1,1),11))
)

感谢您的帮助！

【问题讨论】：

标签： r dataframe transpose matching

【解决方案1】：

我相信附加的 sn-p 可以满足您的要求。但是从你的玩具数据中很难知道在 mutate 语句中写出 a 到 d 列是否可行。肯定有更聪明的编程方式来解决这个问题。

ex1 <- data.frame(
    id = c(1:20),
    a = c(rep(1,5),rep(0,5),rep(NA,10)),
    b = c(rep(c(1,0),5),rep(NA,10)),
    c = c(rep(c(0,1),5),rep(NA,10)),
    d = c(rep(0,5),rep(1,5),rep(NA,10))
)

ex2 <- data.frame(
    id = c(rep(11,3),rep(12,3),rep(13,3),
          rep(14,2),rep(15,2),
          rep(16,4),rep(17,4),rep(18,4),rep(19,4),rep(20,4)),
    alpha = c(rep(c('a','b','d'),3),rep(c('a','b'),2),
            rep(c('a','b','c','d'),5)),
    result = c(rep(c(0,1,1),11))
)

library(tidyverse)
ex_2_wide <- pivot_wider(ex2, id_cols = id, names_from = alpha, values_from = result  )

joined <- full_join(ex1, ex_2_wide, by = c("id" = "id")) %>%
    mutate(a = coalesce(a.x, a.y)) %>%
    mutate(b = coalesce(b.x, b.y)) %>%
    mutate(c = coalesce(c.x, c.y)) %>%
    mutate(d = coalesce(d.x, d.y)) %>%
    select(-(a.x:c.y))

joined
#>    id a b  c  d
#> 1   1 1 1  0  0
#> 2   2 1 0  1  0
#> 3   3 1 1  0  0
#> 4   4 1 0  1  0
#> 5   5 1 1  0  0
#> 6   6 0 0  1  1
#> 7   7 0 1  0  1
#> 8   8 0 0  1  1
#> 9   9 0 1  0  1
#> 10 10 0 0  1  1
#> 11 11 0 1 NA  1
#> 12 12 0 1 NA  1
#> 13 13 0 1 NA  1
#> 14 14 0 1 NA NA
#> 15 15 1 0 NA NA
#> 16 16 1 1  0  1
#> 17 17 1 0  1  1
#> 18 18 0 1  1  0
#> 19 19 1 1  0  1
#> 20 20 1 0  1  1

^{由reprex package (v0.3.0) 于 2021-01-07 创建}

编辑：

如果我们扭转这个问题（我们首先制作长表，然后是连接和合并，然后再向后旋转），那么无论您有多少列，合并都只需要一步。

library(tidyverse)

ex1_long <- pivot_longer(ex1, cols = a:d, names_to = "alpha")                                           

joined <- full_join(ex1_long, ex2, by = c("id" = "id", "alpha" = "alpha")) %>%
    mutate(value = coalesce(value, result)) %>% select(-result) %>%
    pivot_wider(id_cols = id, names_from = alpha, values_from = value)

joined
#> # A tibble: 20 x 5
#>       id     a     b     c     d
#>    <dbl> <dbl> <dbl> <dbl> <dbl>
#>  1     1     1     1     0     0
#>  2     2     1     0     1     0
#>  3     3     1     1     0     0
#>  4     4     1     0     1     0
#>  5     5     1     1     0     0
#>  6     6     0     0     1     1
#>  7     7     0     1     0     1
#>  8     8     0     0     1     1
#>  9     9     0     1     0     1
#> 10    10     0     0     1     1
#> 11    11     0     1    NA     1
#> 12    12     0     1    NA     1
#> 13    13     0     1    NA     1
#> 14    14     0     1    NA    NA
#> 15    15     1     0    NA    NA
#> 16    16     1     1     0     1
#> 17    17     1     0     1     1
#> 18    18     0     1     1     0
#> 19    19     1     1     0     1
#> 20    20     1     0     1     1

^{由reprex package (v0.3.0) 于 2021-01-07 创建}

【讨论】：