Question

我正在尝试从另一个长度不同的数据集向我的数据集添加两个变量。我有一个coralreef调查数据集，我错过了每个站点和调查区域每次潜水的开始和结束时间。

此外，我还有一个表格，其中包含每个站点和区域每次潜水的开始和结束时间：

此表重复wpt（站点），因为每个站点测量2个区域，这意味着在此表中每行应该是唯一的。在我自己的数据集中，我有更多的wpt重复，因为我在同一个站点和区域中有几个观察。我需要匹配mergingdata的唯一行，将它合并到我的fishdata，返回合并数据的开始和结束时间。所以我希望通过＆＃34; wpt＆＃34;进行匹配和合并。并通过＆＃34; zone＆＃34;

这就是我的尝试：

merge<- merge(fishdata, mergingdata, by="wpt", all=TRUE, sort=FALSE)

但这只是按区域合并，我的输出得到一个名为zone.y的额外列 - 有没有一种方法可以通过2个变量的唯一组合进行合并？＆＃34; WPT＆＃34;和＆＃34;区＆＃34;？

谢谢！

Answer 1

合并help(merge)的文档说：

默认情况下，数据框合并在列上，并带有名称两者都有，但可以给出单独的列规格 by.x和by.y。

由于在两个data.frames中都有两个id列，因此merge函数将使用这些公共列组合数据。因此，在代码中省略id参数应该有效。

merge<- merge(fishdata, mergingdata, all=TRUE, sort=FALSE)

但是，您也可以使用by，by.x和by.y参数指定标识符列，如下所示：

merge<- merge(fishdata, mergingdata, by=c("wpt","zone"), all=TRUE, sort=FALSE)

修改

查看您的帖子修改，我发现您的数据具有以下结构：

fishdata <- structure(list(date = structure(c(1L, 1L, 1L, 1L, 1L, 1L), .Label = "23.11.2014", class = "factor"), entry = structure(c(1L, 1L, 1L, 1L, 1L, 1L), .Label = "shore", class = "factor"), wpt = c(2L, 2L, 2L, 2L, 2L, 2L), zone = structure(c(1L, 1L, 1L, 1L, 1L, 1L), .Label = "DO", class = "factor"), transect = c(1L, 1L, 1L, 1L, 1L, 1L), gps = c(NA, NA, NA, NA, NA, NA), surveyor = structure(c(1L, 1L, 1L, 1L, 1L, 1L), .Label = "ev", class = "factor"), depth_code = c(NA, NA, NA, NA, NA, NA), phase = structure(c(2L, 2L, 1L, 1L, 1L, 1L), .Label = c("S_PRIN", "S_STOP"), class = "factor"), species = structure(c(2L, 1L, 2L, 2L, 1L, 1L), .Label = c("IP", "TP"), class = "factor"), family = c(NA, NA, NA, NA, NA, NA)), .Names = c("date", "entry", "wpt", "zone", "transect", "gps", "surveyor", "depth_code", "phase", "species", "family" ), class = "data.frame", row.names = c(NA, -6L)) mergingdata <- structure(list(start.time = c(10.34, 10.57, 10, 10.24, 9.15, 9.39), end.time = c(10.5, 11.1, 10.2, 10.4, 9.3, 9.5), wpt = c(2L, 2L, 3L, 3L, 4L, 4L), zone = structure(c(1L, 2L, 1L, 2L, 1L, 2L ), .Label = c("DO", "LT"), class = "factor")), .Names = c("start.time", "end.time", "wpt", "zone"), class = "data.frame", row.names = c(NA, -6L))

假设数据集结构正确......

> fishdata date entry wpt zone transect gps surveyor depth_code phase species family 1 23.11.2014 shore 2 DO 1 NA ev NA S_STOP TP NA 2 23.11.2014 shore 2 DO 1 NA ev NA S_STOP IP NA 3 23.11.2014 shore 2 DO 1 NA ev NA S_PRIN TP NA 4 23.11.2014 shore 2 DO 1 NA ev NA S_PRIN TP NA 5 23.11.2014 shore 2 DO 1 NA ev NA S_PRIN IP NA 6 23.11.2014 shore 2 DO 1 NA ev NA S_PRIN IP NA > mergingdata start.time end.time wpt zone 1 10.34 10.5 2 DO 2 10.57 11.1 2 LT 3 10.00 10.2 3 DO 4 10.24 10.4 3 LT 5 9.15 9.3 4 DO 6 9.39 9.5 4 LT

我按照以下方式进行合并：

> merge(x = fishdata, y = mergingdata, all.x = TRUE) wpt zone date entry transect gps surveyor depth_code phase species family start.time end.time 1 2 DO 23.11.2014 shore 1 NA ev NA S_STOP TP NA 10.34 10.5 2 2 DO 23.11.2014 shore 1 NA ev NA S_STOP IP NA 10.34 10.5 3 2 DO 23.11.2014 shore 1 NA ev NA S_PRIN TP NA 10.34 10.5 4 2 DO 23.11.2014 shore 1 NA ev NA S_PRIN TP NA 10.34 10.5 5 2 DO 23.11.2014 shore 1 NA ev NA S_PRIN IP NA 10.34 10.5 6 2 DO 23.11.2014 shore 1 NA ev NA S_PRIN IP NA 10.34 10.5

请注意，我使用x.all=TRUE，因为我们想要的是让x对象中的所有行fishdata与y对象的额外列合并（mergingdata）。所有这一切，通过使用两个对象的公共列作为索引。

在R中追加和合并两个不等长的数据集

1 个答案: