当行具有不同的列集时,按行(rbind)组合两个数据帧

时间:2010-08-04 03:25:45

标签: r dataframe r-faq

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。

13 个答案:

答案 0 :(得分:188)

rbind.fill中的

plyr可能正是您要找的。

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 joinright 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)]))
}