是否可以对两个没有相同列的数据帧进行行绑定?我希望保留绑定后不匹配的列。
答案 0 :(得分:188)
rbind.fill
中的 plyr
可能正是您要找的。 p>
答案 1 :(得分:92)
更新的解决方案是使用dplyr
的{{1}}函数,我认为该函数比bind_rows
更有效。
答案 2 :(得分:45)
您可以使用smartbind
包中的gtools
。
示例:
library(gtools)
df1 <- data.frame(a = c(1:5), b = c(6:10))
df2 <- data.frame(a = c(11:15), b = c(16:20), c = LETTERS[1:5])
smartbind(df1, df2)
# result
a b c
1.1 1 6 <NA>
1.2 2 7 <NA>
1.3 3 8 <NA>
1.4 4 9 <NA>
1.5 5 10 <NA>
2.1 11 16 A
2.2 12 17 B
2.3 13 18 C
2.4 14 19 D
2.5 15 20 E
答案 3 :(得分:35)
如果 df1 中的列是 df2 中的列(按列名称):
df3 <- rbind(df1, df2[, names(df1)])
答案 4 :(得分:28)
data.table
的替代方案:
library(data.table)
df1 = data.frame(a = c(1:5), b = c(6:10))
df2 = data.frame(a = c(11:15), b = c(16:20), c = LETTERS[1:5])
rbindlist(list(df1, df2), fill = TRUE)
只要对象转换为rbind
个对象, data.table
也可以在data.table
中工作,所以
rbind(setDT(df1), setDT(df2), fill=TRUE)
也适用于这种情况。当你有几个data.tables并且不想构建一个列表时,这可能更好。
答案 5 :(得分:19)
大多数基本R答案解决了只有一个data.frame有附加列或者生成的data.frame将具有列的交集的情况。由于OP写我希望在绑定之后保留不匹配的列,因此使用基本R方法解决此问题的答案可能值得发布。
下面,我介绍两种基本R方法:一种改变原始data.frames,另一种不改变原始data.frames。另外,我提供了一种方法,可以将非破坏性方法推广到两个以上的data.frames。
首先,让我们获取一些样本数据。
# sample data, variable c is in df1, variable d is in df2
df1 = data.frame(a=1:5, b=6:10, d=month.name[1:5])
df2 = data.frame(a=6:10, b=16:20, c = letters[8:12])
两个data.frames,alter originals
为了保留rbind
中的两个data.frames中的所有列(并允许函数工作而不会导致错误),您可以使用{填充相应的缺失名称为每个data.frame添加NA列。 {1}}。
setdiff
现在,# fill in non-overlapping columns with NAs
df1[setdiff(names(df2), names(df1))] <- NA
df2[setdiff(names(df1), names(df2))] <- NA
- em
rbind
请注意,前两行会更改原始data.frames,df1和df2,并为两者添加完整的列。
两个data.frames,不要改变原件
要保持原始data.frames不变,首先循环遍历不同的名称,返回使用rbind(df1, df2)
a b d c
1 1 6 January <NA>
2 2 7 February <NA>
3 3 8 March <NA>
4 4 9 April <NA>
5 5 10 May <NA>
6 6 16 <NA> h
7 7 17 <NA> i
8 8 18 <NA> j
9 9 19 <NA> k
10 10 20 <NA> l
与data.frame连接成列表的NAs的命名向量。然后,c
将结果转换为data.frame
的适当data.frame。
rbind
许多data.frames,不改变原件
在您有两个以上data.frames的情况下,您可以执行以下操作。
rbind(
data.frame(c(df1, sapply(setdiff(names(df2), names(df1)), function(x) NA))),
data.frame(c(df2, sapply(setdiff(names(df1), names(df2)), function(x) NA)))
)
也许更好看不到原始data.frames的行名?然后这样做。
# put data.frames into list (dfs named df1, df2, df3, etc)
mydflist <- mget(ls(pattern="df\\d+")
# get all variable names
allNms <- unique(unlist(lapply(mydflist, names)))
# put em all together
do.call(rbind,
lapply(mydflist,
function(x) data.frame(c(x, sapply(setdiff(allNms, names(x)),
function(y) NA)))))
答案 6 :(得分:17)
您也可以拔出常用列名。
> cols <- intersect(colnames(df1), colnames(df2))
> rbind(df1[,cols], df2[,cols])
答案 7 :(得分:6)
我写了一个函数来做这个,因为我喜欢我的代码告诉我是否有问题。此函数将明确告诉您哪些列名称不匹配,以及您是否存在类型不匹配。然后它会尽力组合data.frames。限制是您一次只能组合两个data.frame。
### combines data frames (like rbind) but by matching column names
# columns without matches in the other data frame are still combined
# but with NA in the rows corresponding to the data frame without
# the variable
# A warning is issued if there is a type mismatch between columns of
# the same name and an attempt is made to combine the columns
combineByName <- function(A,B) {
a.names <- names(A)
b.names <- names(B)
all.names <- union(a.names,b.names)
print(paste("Number of columns:",length(all.names)))
a.type <- NULL
for (i in 1:ncol(A)) {
a.type[i] <- typeof(A[,i])
}
b.type <- NULL
for (i in 1:ncol(B)) {
b.type[i] <- typeof(B[,i])
}
a_b.names <- names(A)[!names(A)%in%names(B)]
b_a.names <- names(B)[!names(B)%in%names(A)]
if (length(a_b.names)>0 | length(b_a.names)>0){
print("Columns in data frame A but not in data frame B:")
print(a_b.names)
print("Columns in data frame B but not in data frame A:")
print(b_a.names)
} else if(a.names==b.names & a.type==b.type){
C <- rbind(A,B)
return(C)
}
C <- list()
for(i in 1:length(all.names)) {
l.a <- all.names[i]%in%a.names
pos.a <- match(all.names[i],a.names)
typ.a <- a.type[pos.a]
l.b <- all.names[i]%in%b.names
pos.b <- match(all.names[i],b.names)
typ.b <- b.type[pos.b]
if(l.a & l.b) {
if(typ.a==typ.b) {
vec <- c(A[,pos.a],B[,pos.b])
} else {
warning(c("Type mismatch in variable named: ",all.names[i],"\n"))
vec <- try(c(A[,pos.a],B[,pos.b]))
}
} else if (l.a) {
vec <- c(A[,pos.a],rep(NA,nrow(B)))
} else {
vec <- c(rep(NA,nrow(A)),B[,pos.b])
}
C[[i]] <- vec
}
names(C) <- all.names
C <- as.data.frame(C)
return(C)
}
答案 8 :(得分:2)
仅供参考。您可以使用以下格式试用Stack
库及其函数Stack
:
Stack(df_1, df_2)
我的印象是,它比大型数据集的其他方法更快。
答案 9 :(得分:1)
也许我完全误读了您的问题,但“我希望保留绑定后不匹配的列”让我觉得您正在寻找类似于left join
或right join
SQL查询。 R具有merge
函数,允许您指定左,右或内部联接,类似于在SQL中连接表。
这里有一个很好的问题和答案:How to join (merge) data frames (inner, outer, left, right)?
答案 10 :(得分:1)
gtools / smartbind不喜欢与Dates合作,可能是因为它是as.vectoring。所以这是我的解决方案......
sbind = function(x, y, fill=NA) {
sbind.fill = function(d, cols){
for(c in cols)
d[[c]] = fill
d
}
x = sbind.fill(x, setdiff(names(y),names(x)))
y = sbind.fill(y, setdiff(names(x),names(y)))
rbind(x, y)
}
答案 11 :(得分:0)
您还可以使用sjmisc::add_rows()
,它使用dplyr::bind_rows()
,但是与bind_rows()
不同,add_rows()
保留属性,因此对labelled data很有用。
请参阅以下带有标记数据集的示例。 frq()
函数可打印带有值标签的频率表,如果带有数据标签。
library(sjmisc)
library(dplyr)
data(efc)
# select two subsets, with some identical and else different columns
x1 <- efc %>% select(1:5) %>% slice(1:10)
x2 <- efc %>% select(3:7) %>% slice(11:20)
str(x1)
#> 'data.frame': 10 obs. of 5 variables:
#> $ c12hour : num 16 148 70 168 168 16 161 110 28 40
#> ..- attr(*, "label")= chr "average number of hours of care per week"
#> $ e15relat: num 2 2 1 1 2 2 1 4 2 2
#> ..- attr(*, "label")= chr "relationship to elder"
#> ..- attr(*, "labels")= Named num 1 2 3 4 5 6 7 8
#> .. ..- attr(*, "names")= chr "spouse/partner" "child" "sibling" "daughter or son -in-law" ...
#> $ e16sex : num 2 2 2 2 2 2 1 2 2 2
#> ..- attr(*, "label")= chr "elder's gender"
#> ..- attr(*, "labels")= Named num 1 2
#> .. ..- attr(*, "names")= chr "male" "female"
#> $ e17age : num 83 88 82 67 84 85 74 87 79 83
#> ..- attr(*, "label")= chr "elder' age"
#> $ e42dep : num 3 3 3 4 4 4 4 4 4 4
#> ..- attr(*, "label")= chr "elder's dependency"
#> ..- attr(*, "labels")= Named num 1 2 3 4
#> .. ..- attr(*, "names")= chr "independent" "slightly dependent" "moderately dependent" "severely dependent"
bind_rows(x1, x1) %>% frq(e42dep)
#>
#> # e42dep <numeric>
#> # total N=20 valid N=20 mean=3.70 sd=0.47
#>
#> val frq raw.prc valid.prc cum.prc
#> 3 6 30 30 30
#> 4 14 70 70 100
#> <NA> 0 0 NA NA
add_rows(x1, x1) %>% frq(e42dep)
#>
#> # elder's dependency (e42dep) <numeric>
#> # total N=20 valid N=20 mean=3.70 sd=0.47
#>
#> val label frq raw.prc valid.prc cum.prc
#> 1 independent 0 0 0 0
#> 2 slightly dependent 0 0 0 0
#> 3 moderately dependent 6 30 30 30
#> 4 severely dependent 14 70 70 100
#> NA NA 0 0 NA NA
答案 12 :(得分:-1)
rbind.ordered=function(x,y){
diffCol = setdiff(colnames(x),colnames(y))
if (length(diffCol)>0){
cols=colnames(y)
for (i in 1:length(diffCol)) y=cbind(y,NA)
colnames(y)=c(cols,diffCol)
}
diffCol = setdiff(colnames(y),colnames(x))
if (length(diffCol)>0){
cols=colnames(x)
for (i in 1:length(diffCol)) x=cbind(x,NA)
colnames(x)=c(cols,diffCol)
}
return(rbind(x, y[, colnames(x)]))
}