Question

我有两个df

d1 <- data_frame(name=c('Mike','Carl','Joe', 'Mike'), 
           id=c(1,2,NA,1), 
           id2=c('a',NA,'c','a'),
           dateT=as.Date('2017-05-01','2017-05-01','2017-05-01','2016-05-01'))


   # A tibble: 4 x 4
   name    id   id2      dateT
  <chr> <dbl> <chr>     <date>
1  Mike     1     a 2017-05-01
2  Carl     2  <NA> 2017-05-01
3   Joe    NA     c 2017-05-01
4  Mike     1     a 2016-05-01

d2 <- data_frame(value=c(T, T, F, T,F), 
                 id=c(1,2,3,1,4), 
                 id2=c('a','b','c','a','d'),
                 dateT=as.Date('2017-05-01','2017-05-01','2017-05-01', '2016-05-01','2016-05-01'))
# A tibble: 5 x 4
  value    id   id2      dateT
  <lgl> <dbl> <chr>     <date>
1  TRUE     1     a 2017-05-01
2  TRUE     2     b 2017-05-01
3 FALSE     3     c 2017-05-01
4  TRUE     1     a 2016-05-01
5 FALSE     4     d 2016-05-01

我正在尝试加入d2 d1 dateT对id和date 或 id2和{{ 1}}取决于哪一个可用。最后，我希望得到d2的所有记录（它们是否匹配），并附上d1中与d2匹配的所有列。

到目前为止我所拥有的是

d2 %>% 
  inner_join(d1, by=c('id'='id', 'dateT'='dateT'))



 # A tibble: 5 x 6
  value    id id2.x      dateT  name id2.y
  <lgl> <dbl> <chr>     <date> <chr> <chr>
1  TRUE     1     a 2017-05-01  Mike     a
2  TRUE     2     b 2017-05-01  Carl  <NA>
3 FALSE     3     c 2017-05-01  <NA>  <NA>
4  TRUE     1     a 2016-05-01  Mike     a
5 FALSE     4     d 2016-05-01  <NA>  <NA>

有两个问题：

我只想从name附加d1，因为在我的情况下，id2.y始终会成为id2.x的一部分（我只想保留） id2.x因为它总是最完整的。我知道我可以稍后删除列，但我想知道dplyr是否有任何功能只能保留第一个数据帧中存在重复列名的列
id2

is.na(id)==T

预期输出如下：

# A tibble: 5 x 6
  value    id   id2      dateT  name 
  <lgl> <dbl> <chr>     <date> <chr> 
1  TRUE     1     a 2017-05-01  Mike 
2  TRUE     2     b 2017-05-01  Carl 
3 FALSE     3     c 2017-05-01   Joe 
4  TRUE     1     a 2016-05-01  Mike 
5 FALSE     4     d 2016-05-01  <NA>

Answer 1

尝试：

library(dplyr)

d1 <- data_frame(name=c('Mike','Carl','Joe', 'Mike'), 
                 id=c(1,2,NA,1), 
                 id2=c('a',NA,'c','a'),
                 dateT=as.Date(c('2017-05-01','2017-05-01','2017-05-01','2016-05-01')))
# add combine-"c" !!

d2 <- data_frame(value=c(T, T, F, T,F), 
                 id=c(1,2,3,1,4), 
                 id2=c('a','b','c','a','d'),
                 dateT=as.Date(c('2017-05-01','2017-05-01','2017-05-01', '2016-05-01','2016-05-01')))
# add combine-"c" !!

left_join(d2,
          d1 %>%
            select(name, id, dateT) %>%
            rename(name1=name),
          by=c("id", "dateT")) %>%
  left_join(d1 %>%
              select(name, id2, dateT) %>%
              rename(name2=name),
            by=c("id2", "dateT")) %>%
  transmute(value, id, id2, dateT, 
            name=ifelse(is.na(name1),name2,name1))

Answer 2

这个怎么样？

# first join by id, dropping id2
join1 = select(d1, -id2) %>%
    inner_join(d2, ., by=c("dateT", "id"))
# now take what couldn't be joined with id,
# drop id, join by id2, + left join to keep the remainder
join2 = d2 %>%
    anti_join(d1, by=c("dateT", "id")) %>%
    left_join(select(d1, -id), by=c("dateT", "id2"))

bind_rows(join1, join2)

# A tibble: 5 x 5
  value    id   id2      dateT  name
  <lgl> <dbl> <chr>     <date> <chr>
1  TRUE     1     a 2017-05-01  Mike
2  TRUE     2     b 2017-05-01  Carl
3  TRUE     1     a 2016-05-01  Mike
4 FALSE     4     d 2016-05-01  <NA>
5 FALSE     3     c 2017-05-01   Joe

请注意，只有当id2为id时，此代码才会在id加入失败时尝试使用NA。坦率地说，我的方法需要三个连接，所以在一个庞大的数据集上，重新编码id变量可能会更快 - 但如果不知道它在数据中意味着什么，这很难做到。

如何有条件地在列对上加入数据框？

2 个答案: