Question

我有两个包含以下数据的数据集。

maindata = data.frame(eventid=c(1:10),
                  district=c(rep("lucknow",2),rep("allahabad",1),   rep("kanpur", 2)),
                  date = c(rep("2018-01-01", 2), rep("2018-01-02", 1), rep("2018-01-03", 2)))

weather = data.frame(district=c(rep("lucknow", 4), rep("allahabad", 3), rep("kanpur", 3)),
                     date = c(rep("2017-01-01", 4), rep("2017-01-02", 3), rep("2017-01-03", 3)),
                     temperature=c(rep("19.3",2),rep("22.1",1),   rep("24.1", 2)))

很少考虑：

每个数据框中的“日期”是不同的，可以这样。 MM-DD就足够了
两个数据集都有不同的长度 - df1是我的主要数据集，其中应添加“temp”
合并必须发生在“地区”和“日期”
maindata的区域列为小写

我尝试过什么：（做一些愚蠢的转换......会修复它们）

weather$District<-as.factor(tolower(weather$District))    
weather$Date<-as.Date(as.character(weather$Date),format="%m/%d/%Y")
maindata$md<-strftime(data$createDate, "%m-%d")
weather$mdr<-strftime(weather$Date, "%m-%d")

maindata<-left_join(maindata, weather, by = c("md" = "mdr", "district" = "District"))

最终预期答案类似于以下maindata

   eventid  district       date    temperature
         1   lucknow 2018-01-01    19.3
         2   lucknow 2018-01-01    19.3
         3 allahabad 2018-01-03    24.1
         4    kanpur 2018-01-03    NA
         5    kanpur 2018-01-02    22.1
         6   lucknow 2018-01-01    19.3
         7   lucknow 2018-01-01    19.3
         8 allahabad 2018-01-03    24.1
         9    kanpur 2018-01-03    NA
        10    kanpur 2018-01-02    22.1

任何人都可以帮忙!!!

Answer 1

也许是这样的（使用更新后的数据）

library(tidyverse)
df1 %>%
  mutate(date = as.POSIXct(date),
         date1 = format(date, "%d/%m")) %>%
  left_join(df2 %>%
              mutate(date = as.POSIXct(date),
                     date1 = format(date, "%d/%m")), by = c("date1" = "date1", "district" = "dist")) %>%
  select(-date1, - date.y) %>%
  rename(date = date.x) %>%
  filter(!duplicated(eventid))
#output
   eventid       date district  temp
1        1 2017-01-01   dist-1  19.3
2        2 2017-01-01   dist-1  19.3
3        3 2017-01-01   dist-1  19.3
4        4 2017-01-01   dist-1  19.3
5        5 2017-01-02   dist-2  <NA>
6        6 2017-01-02   dist-2  <NA>
7        7 2017-01-02   dist-2  <NA>
8        8 2017-01-03   dist-3 24.10
9        9 2017-01-03   dist-3 24.10
10      10 2017-01-03   dist-3 24.10

将两个数据框中的日期转换为POSIXct，制作一个%d/%m列并按其和区域加入，然后清理

Answer 2

我不理解你合并的逻辑规则;具体来说，我不知道date是如何进入的。

通过简单地将date与df1$district匹配，完全可以在不考虑df2$dist的情况下重现您的预期输出：

library(tidyverse);
left_join(df1, df2, by = c("district" = "dist")) %>% 
    distinct() %>% 
    select(-date.y)
#   eventid     date.x district  temp
#1        1 2017-01-01   dist-1  19.3
#2        2 2017-01-01   dist-1  19.3
#3        3 2017-01-01   dist-1  19.3
#4        4 2017-01-01   dist-1  19.3
#5        5 2017-01-02   dist-2  22.1
#6        6 2017-01-02   dist-2  22.1
#7        7 2017-01-02   dist-2  22.1
#8        8 2017-01-03   dist-3 24.10
#9        9 2017-01-03   dist-3 24.10
#10      10 2017-01-03   dist-3 24.10

您是否可以提供更能代表您尝试做的样本数据，以及合并date的角色/重要性变得清晰的位置？

Answer 3

快速说明 - 在向SO寻求帮助之前，您应该将试验发布到解决方案中。

回答 -

您应该使用的是默认情况下在R。

中可用的merge功能

在重现您提供的数据帧后 - 尝试下面的代码块

#Since dates doesn't matter, df2 could be changed to a new df with only temp

df3 <- df2[,c("dist","temp")]
df3 <- unique(df3)

df4 <- merge(df1,df3,by.x = "district",by.y = "dist",all.x = T)

重复数据删除已经完成，以避免为df1和df2中的每个日期组合创建大量行。

all.x = T确保您获得左连接（df1的所有行都出现在最终输出中）

Answer 4

也许你想要这个。

df2[, 2] <- as.numeric(as.character(df2[, 2]))
m1 <- merge(df1, df2, by.x = "district", by.y = "dist", all.x = TRUE)[-5]
names(m1)[3] <- "date"
m1 <- unique(m1[, c(2, 3, 1, 4)])
rownames(m1) <- NULL

> m1
   eventid       date district temp
1        1 2017-01-01   dist-1 19.3
2        2 2017-01-01   dist-1 19.3
3        3 2017-01-01   dist-1 19.3
4        4 2017-01-01   dist-1 19.3
5        5 2017-01-02   dist-2 22.1
6        6 2017-01-02   dist-2 22.1
7        7 2017-01-02   dist-2 22.1
8        8 2017-01-03   dist-3 24.1
9        9 2017-01-03   dist-3 24.1
10      10 2017-01-03   dist-3 24.1

根据多列标准

4 个答案: