合并数据框,仅选择跨数据框使用相同名称开头的列

时间:2018-09-23 00:16:43

标签: r dplyr

我有两个数据框,我想用它们来创建另一个数据框:

df<-as.data.frame(matrix(rexp(200, rate=.1), ncol=10))
colnames(df)<-c("one","two","three","four","five","six","seven","eight","nine","ten")
df


    df.new<-as.data.frame(matrix(rexp(155, rate=.1), ncol=8))
colnames(df.new)<-c("one.two","one.two.new","three.two","three.two.new","five.one","five.one.new","seven.two","seven.two.new")
df.new

我的想法是使用一个包含以下列的数据框:

(one|one.two|one.two.new|three|three.two|three.two.new|five|five.one|five.one.new)

我可以手动完成,但是我的数据框比这些数据框大得多。

是否可以使用dplyr软件包来做到这一点?

2 个答案:

答案 0 :(得分:1)

这是另一个更短的选择。我只是不喜欢宽桌​​子...所以无论如何您都必须融化它。

to.pick <- unique(unlist(sapply(colnames(df.new), function(x) {
  Reduce(function(a,b) paste(a, b, sep="."), strsplit(x, '.', fixed=TRUE)[[1]], accumulate=TRUE)
})))
zz <- cbind(df, df.new)
out <- subset(zz, select=to.pick)
colnames(out)
 [1] "one"           "one.two"       "one.two.new"   "three"         "three.two"     "three.two.new" "five"         
 [8] "five.one"      "five.one.new"  "seven"         "seven.two"     "seven.two.new"

原始答案

对数据进行熔化/投射,并按列名进行过滤。

library(tidyr)

将内容传播为“常规”长表示形式

df$idx <- 1:nrow(df)
gdf <- gather(df, key, value, -idx)
df.new$idx <- 1:nrow(df.new)
gdf.new <- gather(df.new, key, value, -idx)

获得独特的第一部分

uu <- unique(gdf.new$key)
to.pick <- sapply(uu, function(x) {
  strsplit(x, '.', fixed=TRUE)[[1]][1]
  })

仅对我们想要的第一个数据帧中的子集进行子集。

gdf.ss <- subset(gdf, key %in% to.pick)

合并数据仍为“常规”长格式。

out <- rbind(gdf.ss, gdf.new)

抛弃为“丑陋”的宽幅格式

out.wide <- spread(out, key, value)
colnames(out.wide)
 [1] "idx"           "five"          "five.one"     
 [4] "five.one.new"  "one"           "one.two"      
 [7] "one.two.new"   "seven"         "seven.two"    
[10] "seven.two.new" "three"         "three.two"    
[13] "three.two.new"

如果您坚持不严格按字母顺序排序的列,我将更新我的答案。

答案 1 :(得分:0)

列以三元组聚类,令N =聚类数。

 N=3 # for the example provided
 foo=seq(1,2*N+1,2) 
 dplyr::bind_cols(df, df.new) %>% dplyr::select(names(.)[c(foo, 
 foo+10, foo+11)])