Question

我是R编程的新手，我想知道是否可以通过比较2个文件来更新值。

例如，我有主表df_table1：

Date           Metric1     Metric2     Metric3
1/1/2018       25          4.6         49
2/1/2018       6           3.6         67
3/1/2018       18          2.6         36
4/1/2018       56          3.6         29

我要遍历文件夹中的各种文件，并且碰巧有一个文件，其中还包含一些具有相同日期值df_table2的重叠数据：

Date           Metric1    Metric2      Metric3
3/1/2018       19         2.9          47
4/1/2018       78         5.7          35
5/1/2018       46         3.3          29

通常的组合数据文件的方法是使用rbind（），但我相信这将为df_table2中找到的2个日期创建重复值。

是否可以有效地进行比较，以检查所有后续文件中是否存在重叠的日期，并根据df_table1中的日期替换其对应的值？

理想情况下，如果df_table2中的所有指标的值都大于df_table1中的值，那么有一种方法仅做替换会更好。

最后，我希望最终输出通过某种特殊的rbind（）函数将df_table1和df_table2组合在一起，并从df_table2更新值，而不会重复：

Date           Metric1    Metric2      Metric3
1/1/2018       25         4.6          49
2/1/2018       6          3.6          67
3/1/2018       19         2.9          47       #updated from df_table2
4/1/2018       78         5.7          35       #updated from df_table2
5/1/2018       46         3.3          29       #new value from df_table2

谢谢！

Answer 1

让我们先定义数据（为了将来，请您自己做，以使人们更容易地为您提供帮助）：

df_table1= data.frame(Date=c('1/1/2018','2/1/2018','3/1/2018','4/1/2018'), 
Metric1 = c(25,6,18,56),
Metric2 = c(4.6,3.6,2.6,3.6),
Metric3 = c(49,67,36,29))

df_table2= data.frame(Date=c('3/1/2018','4/1/2018','5/1/2018'), Metric1 = c(19,78,46),
Metric2 = c(2.9,5.7,3.3),
Metric3 = c(48,35,29))

接下来，我将合并表，然后重新创建所需的变量。我为您写的第一个，其他的应该很容易。您不仅可以使用is.na()，还可以比较哪个变量更大，然后选择所需的变量。

df = merge(df_table1, df_table2, by='Date', all=TRUE)
df$Metric1 = df$Metric1.y
df$Metric1[is.na(df$Metric1)]  = df$Metric1.x[is.na(df$Metric1)] 
df
   Date    Metric1.x Metric2.x Metric3.x Metric1.y Metric2.y Metric3.y Metric1
1 1/1/2018        25       4.6        49        NA        NA        NA      25
2 2/1/2018         6       3.6        67        NA        NA        NA       6
3 3/1/2018        18       2.6        36        19       2.9        48      19
4 4/1/2018        56       3.6        29        78       5.7        35      78
5 5/1/2018        NA        NA        NA        46       3.3        29      46

Answer 2

使用dplyr：

rbind(df_table1,df_table2) %>% group_by(Date) %>% filter(Metric1==max(Metric1))
# A tibble: 5 x 4
# Groups:   Date [5]
  Date     Metric1 Metric2 Metric3
  <chr>      <dbl>   <dbl>   <dbl>
1 1/1/2018     25.    4.60     49.
2 2/1/2018      6.    3.60     67.
3 3/1/2018     19.    2.90     48.
4 4/1/2018     78.    5.70     35.
5 5/1/2018     46.    3.30     29.

请注意，这假设如果一个表中的Metric1大于另一个表中的Metric1，则所有其他度量也将相同。我不清楚如果不是这种情况会发生什么。

这是奇怪的代码，它将在两个表中的每个日期都保留一行，保留其中所有指标都大于另一行的任一行，或者，如果没有一行与该规则匹配，它将保留该行来自表1：

首先，让我们稍微更改一下数据：

df_table1= data.frame(Date=c('1/1/2018','2/1/2018','3/1/2018','4/1/2018'), 
                      Metric1 = c(25,6,18,56),
                      Metric2 = c(4.6,3.6,2.6,6.3),
                      Metric3 = c(49,67,36,29), stringsAsFactors = FALSE)

df_table2= data.frame(Date=c('3/1/2018','4/1/2018','5/1/2018'), Metric1 = c(19,78,46),
                      Metric2 = c(2.9,5.7,3.3),
                      Metric3 = c(48,35,29), stringsAsFactors = FALSE)

现在1月4日行的指标2会比第一行高，而其他指标则比另一行高。

rbind(df_table1,df_table2) %>% 
group_by(Date) %>% 
mutate(keeper=(Metric1==max(Metric1) & Metric2==max(Metric2) & Metric3==max(Metric3))) %>% 
group_by(Date,keeper) %>% 
filter(row_number()==1) %>% 
group_by(Date) %>% add_count() %>% 
mutate(keeper=ifelse(n==1,TRUE,keeper)) %>% 
filter(keeper) %>% select(-keeper, -n)
# A tibble: 5 x 4
# Groups:   Date [5]
  Date     Metric1 Metric2 Metric3
  <chr>      <dbl>   <dbl>   <dbl>
1 1/1/2018     25.    4.60     49.
2 2/1/2018      6.    3.60     67.
3 4/1/2018     56.    6.30     29.
4 3/1/2018     19.    2.90     48.
5 5/1/2018     46.    3.30     29.

我敢肯定，有一种更优雅的方法可以实现这一目标，但是我不知道它是什么-我经过大量的尝试和错误来解决这个问题...

最后，如果您决定只保留table1版本（如果存在重复的日期），而与度量标准无关，请执行以下操作：

rbind(df_table1,df_table2) %>%  filter(!duplicated(Date))
      Date Metric1 Metric2 Metric3
1 1/1/2018      25     4.6      49
2 2/1/2018       6     3.6      67
3 3/1/2018      18     2.6      36
4 4/1/2018      56     6.3      29
5 5/1/2018      46     3.3      29

Answer 3

这应该对您有用

library(dplyr)
df_new <- df_table1%>%
  anti_join(df_table2, by = c('Date'))%>%
  rbind(data= . ,df_table2)

更新R数据框中的值

3 个答案: