Question

我想将多个向量合并到一个数据框。有两个变量city和id将用于将向量与数据帧匹配。

df <- data.frame(array(NA, dim =c(10*50, 2)))
names(df)<-c("city", "id")
df[,1]<-rep(1:50, each=10)
df[,2]<-rep(1:10, 50)

我创建了一个这样的数据框。对于这个数据框，我想合并50个向量，每个向量对应50个城市。问题是每个城市只有6个障碍物。每个城市将有4个NAs。

举个例子，城市1数据如下所示：

seed(1234) 
cbind(city=1,id=sample(1:10,6),obs=rnorm(6))

我有50个城市数据，我想将它们合并到df中的一列。我尝试了以下代码：

for(i in 1:50){
citydata<-cbind(city=i,id=sample(1:10,6),obs=rnorm(6))   # each city data
df<-merge(df,citydata, by=c("city", "id"), all=TRUE)}    # merge to df

但如果我运行它，循环将显示如下警告：

In merge.data.frame(df, citydata, by = c("city", "id"),  ... :
  column names ‘obs.x’, ‘obs.y’ are duplicated in the result

它将创建50列，而不是一列长列。

如何在一个漂亮的长列中合并cbind(city=i,id=sample(1:10,6),obs=rnorm(6))到df？似乎cbind和merge都无法实现。

如果有citydata（每行有6行），我可以rbind将它们作为一个长数据并使用data.table方法或expand.gird + {{1接近 Philip 和 Jaap 建议。

我想知道我是否可以逐个循环合并每个citydata，而不是merge将它们合并到rbind。

Answer 1

data.table对此有好处：

library(data.table)
df <- data.table(df)
> df
     city id
  1:    1  1
  2:    1  2
  3:    1  3
  4:    1  4
  5:    1  5
 ---
496:   50  6
497:   50  7
498:   50  8
499:   50  9
500:   50 10

我使用CJ而不是for循环来制作一些虚拟数据。 CJ将每列与每个其他列的每个值进行交叉连接，因此它会生成一个包含city和id的每对可能值的双列表。 [,obs:=rnorm(.N)]命令添加了第三列，用于绘制随机值（如果它在CJ内，则不会回收它们） - .N表示＆＃34;此表的＃行和＃34;在这种背景下。

citydata <- CJ(city=1:50,id=1:6)[,obs:=rnorm(.N)]
> citydata
     city id         obs
  1:    1  1  0.19168335
  2:    1  2  0.35753229
  3:    1  3  1.35707865
  4:    1  4  1.91871907
  5:    1  5 -0.56961647
 ---
296:   50  2  0.30592659
297:   50  3 -0.44989646
298:   50  4  0.05359738
299:   50  5 -0.57494269
300:   50  6  0.09565473

setkey(df,city,id)
setkey(citydata,city,id)

由于这两个表具有相同的键列，因此以下df中的键列会查找citydata行，然后通过查找在obs中定义df citydata中的值。因此，生成的对象是原始df，但在obs中定义的任何位置都定义了citydata：

df[citydata,obs:=i.obs]
> df
     city id         obs
  1:    1  1  0.19168335
  2:    1  2  0.35753229
  3:    1  3  1.35707865
  4:    1  4  1.91871907
  5:    1  5 -0.56961647
 ---
496:   50  6  0.09565473
497:   50  7          NA
498:   50  8          NA
499:   50  9          NA
500:   50 10          NA

Answer 2

在基础R中，您可以使用expand.grid和merge的组合执行此操作：

citydata <- expand.grid(city=1:50,id=1:6)
citydata$obs <- rnorm(nrow(citydata))

res <- merge(df, citydata, by = c("city","id"), all.x = TRUE)

给出：

> head(res,12)
    city id        obs
 1:    1  1 -0.3121133
 2:    1  2 -1.3554576
 3:    1  3 -0.9056468
 4:    1  4 -0.6511869
 5:    1  5 -1.0447499
 6:    1  6  1.5939187
 7:    1  7         NA
 8:    1  8         NA
 9:    1  9         NA
10:    1 10         NA
11:    2  1  0.5423479
12:    2  2 -2.3663335

使用 dplyr 和 tidyr 的类似方法：

library(dplyr)
library(tidyr)

res <- crossing(city=1:50,id=1:6) %>% 
  mutate(obs = rnorm(n())) %>%
  right_join(., df, by = c("city","id"))

给出：

> res
Source: local data frame [500 x 3]

    city    id        obs
   (int) (int)      (dbl)
1      1     1 -0.5335660
2      1     2  1.0582001
3      1     3 -1.3888310
4      1     4  1.8519262
5      1     5 -0.9971686
6      1     6  1.3508046
7      1     7         NA
8      1     8         NA
9      1     9         NA
10     1    10         NA
..   ...   ...        ...

合并，cbind：如何合并更好？

2 个答案: