Question

我有两个数据帧，第一个包含9994行，第二个包含60431行。我想合并两个数据帧，使合并的数据帧包含两个数据帧的组合列，但只包含9994行。

但是，合并后我获得超过9994行。我怎样才能确保不会发生这种情况？

df1 = readRDS('data1.RDS')
nrow(df1)
# [1] 9994

df2 = readRDS('data2.RDS')
nrow(df2)
# [1] 60431

df = merge(df1,df2,by=c("col1","col2"))
nrow(df)
# [1] 10057

df = merge(df1,df2,by=c("col1","col2"),all.x=TRUE)
nrow(df)
# [1] 10057
nrow(na.omit(df))
# [1] 10057

编辑：遵循akrun的评论。是的，第二个数据框中有重复数据

nrow(unique(df2[,c("col1","col2")]))
# [1] 60263
nrow(df2)
# [1] 60431

如果同一个{col1，col2}组合有多个，如何从数据框中只取一行。当我合并时，我想只有9994行。

Answer 1

这应该有效，请务必先排序df2，然后选择正确的行。

df = merge(
  df1,
  df2[!duplicated(df2[, c("col1","col2")], ],
  by=c("col1","col2"),
  all.x=TRUE
)

R中的合并产生的行数多于其中一个数据帧

1 个答案: