Question

我的表中有许多列，其中缺少数据。如果基于ID的特定记录缺少数据，我希望能够从另一个表中提取信息。我考虑过可能合并两个表并编写一个for循环，如果X列为NA，则从Y列中提取信息，但是，我有很多列，因此需要编写许多列这些条件。

我想创建一个函数或循环，在其中可以传递缺少数据的数据列名称，并能够从另一个表中传递列名称以获取信息。

可复制的示例：

ID <- c(1,2,3,4,5,6)
Year <- c(1990,1987,NA,NA,1968,1992)
Month <- c(1,NA,8,12,NA,5)
Day <- c(3,NA,NA,NA,NA,30)

New_Data = data.frame(ID=ID,Year=Year,Month=Month,Day=Day)

ID <- c(2,3,4,5)
Year <- c(NA,1994,1967,NA)
Month <- c(4,NA,NA,10)
Day <- c(23,12,16,9)

Old_Data = data.frame(ID=ID,Year=Year,Month=Month,Day=Day)

预期输出：

ID <- c(1,2,3,4,5,6)
Year <- c(1990,1987,1994,1967,1968,1992)
Month <- c(1,4,8,12,10,5)
Day <- c(3,23,12,16,9,30)
New_Data = data.frame(ID=ID,Year=Year,Month=Month,Day=Day)

Answer 1

使用rbind合并两个数据帧，然后将group_by与summarise_all一起使用

library(dplyr)
rbind(New_Data,Old_Data)%>%group_by(ID)%>%dplyr::summarise_all(function(x) x[!is.na(x)][1])
# A tibble: 6 x 4
     ID  Year Month   Day
  <dbl> <dbl> <dbl> <dbl>
1     1  1990     1     3
2     2  1987     4    23
3     3  1994     8    12
4     4  1967    12    16
5     5  1968    10     9
6     6  1992     5    30

Answer 2

这是仅使用another SO question中的基本函数的解决方案

我已根据您的需要对其进行了修改（创建了一个函数，并为键列名称指定了一个参数）：

fill_missing_data = function(df1, df2, keyColumn) {
  commonNames <- names(df1)[which(colnames(df1) %in% colnames(df2))]
  commonNames <- commonNames[commonNames != keyColumn]
  dfmerge<- merge(df1,df2,by="ID",all=T)
  for(i in commonNames){
    left <- paste(i, ".x", sep="")
    right <- paste(i, ".y", sep="")
    dfmerge[is.na(dfmerge[left]),left] <- dfmerge[is.na(dfmerge[left]),right]
    dfmerge[right]<- NULL
    colnames(dfmerge)[colnames(dfmerge) == left] <- i
  }
  return(dfmerge)
}

result = fill_missing_data(New_Data, Old_Data, "ID")

Answer 3

使用dplyr::left_join和dplyr::coalesce的选项可以是：

library(dplyr)

New_Data %>% left_join(Old_Data, by="ID") %>%
  mutate(Year = coalesce(Year.x, Year.y),
         Month = coalesce(Month.x, Month.y),
         Day = coalesce(Day.x, Day.y)) %>%
  select(ID, Year, Month, Day)

#   ID Year Month Day
# 1  1 1990     1   3
# 2  2 1987     4  23
# 3  3 1994     8  12
# 4  4 1967    12  16
# 5  5 1968    10   9
# 6  6 1992     5  30

通过将另一个数据表用于多列来替换丢失的数据

3 个答案: