我正在处理以下数据：http://people.stern.nyu.edu/wgreene/Econometrics/healthcare.csv
我想做的是训练我的算法，以正确预测一个人在接下来的时期是否会辍学。
data1 <- subset(data, YEAR==1984)
data2 <- subset(data, YEAR==1985)
didtheydrop <- as.integer(data1$id)
didtheydrop <- lapply(didtheydrop, function(x) as.integer(ifelse(x==data2$id, 0, 1)))
这创建了一个大列表，其中包含我认为我想要的值，但我不确定。最后，我想将此变量附加到1984年的数据中，然后使用该变量创建我的模型。
我该怎么做才能确保比较适当的值？列表长度不相同，也不是顺序正确（例如，受访者3-7在1984年没有回答，但在1985年出现）
答案 0 :(得分：0)
假设data1和data2是两个数据帧（不清楚，因为您似乎是从称为data的原始较大单个数据帧中提取了它们），我认为最好将它们合并并使用单个数据帧。也就是说，如果只有一个较大的数据框，则不要将其子集化，只需删除不需要的列即可；如果data1和data2是两个数据帧，则将它们合并并仅使用一个数据帧。
在R中有多种方法可以做到这一点。
您应该在控制台中查看调用?merge的合并功能，并阅读功能说明。
本质上，要合并两个数据框，您应该执行以下操作：
merge(data1, data2, by= columnID) #Where columnID is the name of the variable that identifies the ID. If it is different in data1 and data2 you can use by.x and by.y
然后，您必须定义是否要合并两个表中的所有行以及参数all.x，all.y和all：即使data2中找不到匹配项，data1的所有值还是data2的所有值即使在data1或所有值中都找不到匹配项，而不管另一个数据库中是否有匹配的ID。
任何R的安装都在基本软件包中。
您还可以使用dplyr软件包，这使连接的类型更加明确：
inner_join(data1, data2, by = "ID")
left_join(data1, data2, by = "ID")
right_join(data1, data2, by = "ID")
full_join(data1, data2, by = "ID")
这是dplyr join https://rpubs.com/williamsurles/293454
希望有帮助