Question

我正在尝试合并来自多个数据框的信息。假设我有一个名为“master”的主数据框，关于一堆汽车的信息。主数据帧具有所有可能的ID。然后假设我有2个其他数据框，每个数据框都有一些ID和汽车的颜色，但不是全部。我想将汽车的所有颜色与现有主数据框中的ID相对应。

Master df看起来像这样：

 id     year
 4D     2005
 5A     2003    
 7T     1999
 8Q     2001
 3G     1998
 6N     2009
 2B     2013

df1看起来像这样：

id     color
5A     black
7T     green
8Q     gold
4D     white

df2看起来像这样：

id     color
5A     NA
6N     purple
3G     NA
2B     orange

以下是制作4个数据框的代码：

master <- data.frame(id = c("4D", "5A", "7T", "8Q", "3G", "6N", "2B"), year=c(2005,2003,1999,2001,1998,2009,2013))
df1 <- data.frame(id=c("5A", "7T", "8Q", "4D"), color=c("black", "green", "gold", "white"))
df2 <- data.frame(id=c("5A", "6N", "3G", "2B"), color=c(NA,"purple", NA, "orange"))

我希望最终的主数据框看起来像这样：

 id     year     color
 4D     2005     white
 5A     2003     black    
 7T     1999     green
 8Q     2001     gold
 3G     1998     NA
 6N     2009     purple
 2B     2013     orange

如果一个数据帧中有值，而另一个数据帧中有相同ID的NA（即：ID 5A在df1中为“黑色”，但在df2中为NA），则该值应存在于电子表格中。

有什么想法？我已经看过了合并和堆栈函数，但我不认为这些是可行的方法吗？

Answer 1

df <- Master
df1
df2

dft <- rbind(df1, df2)

df3 <- dft[with(dft, order(id, color)), ]
df3 <- df3[!duplicated(df3$color), ]
merge(df, df3, by = 'id', all.x = T)

  id year  color
1 2B 2013 orange
2 3G 1998   <NA>
3 4D 2005  white
4 5A 2003  black
5 6N 2009 purple
6 7T 1999  green
7 8Q 2001   gold

Answer 2

这是另一种选择。
1，我的方法是首先将df1和df2组合，然后使用complete.cases来删除那些颜色为NA 2，然后用新的df3合并master。（all=TRUE，确保df3中未包含的ID将显示在合并的data.frame中

df3 <- rbind(df1,df2)                      #row combine for df1 and df2
df3 <- df3[complete.cases(df3),]           #remove row with NA
merge(master, df3, by="id", all=TRUE)      #merge master and df3 based on id

结果是

  id year  color
1 2B 2013 orange
2 3G 1998   <NA>
3 4D 2005  white
4 5A 2003  black
5 6N 2009 purple
6 7T 1999  green
7 8Q 2001   gold

干杯。

Answer 3

按行组合sqldf和df1数据框后，您还可以使用df2包：

*假设上述示例中的输入相同（例如master，df1，df2的值

> id_color <- rbind(df1, df2)

> library(sqldf)

> data <- sqldf("SELECT m.*, i.color FROM master m, id_color i WHERE m.id = i.id")

> data
  id year  color
1 4D 2005  white
2 5A 2003   <NA>
3 5A 2003  black
4 7T 1999  green
5 8Q 2001   gold
6 3G 1998   <NA>
7 6N 2009 purple
8 2B 2013 orange

> data <- sqldf("SELECT id, year, MIN(color) FROM data GROUP BY id, year") #removes duplicate with NULL

> data
  id year MIN(color)
1 2B 2013     orange
2 3G 1998       <NA>
3 4D 2005      white
4 5A 2003      black
5 6N 2009     purple
6 7T 1999      green
7 8Q 2001       gold

组合数据框中的两列并在R中的现有数据框中创建新列

3 个答案: