我有一个数据框，例如：
lat lon var01 var02 var03 var04 var11 var12 var13 var14 ...
和另一个像：
lat lon var05 var15 var25 ...
所需的输出是：
lat lon var01 var02 var03 var04 var05 var11 var12 var13 var14 var15 ...
我认为在R中这很容易，但到目前为止我还没有找到任何办法。我也愿意接受其他语言的解决方案，比如bash。我也想只有几行代码，我知道如何使用循环等。
提前致谢
编辑：以下解决方案要求正确命名列。想象一下以下情况：
d1 <- data.frame(lat = 1:10, lon = 1:10, V11 = runif(10), V12 = rnorm(10), V21 = runif(10), V22 = rnorm(10))
d2 <- data.frame(lat = 1:10, lon = 1:10, A13 = runif(10), A23 = rnorm(10))
res <- merge(d1, d2, sort = FALSE)
res <- res[, c(1:2, order(colnames(res[, -(1:2)])) + 2)]
输出
lat lon A13 A23 V11 V12 V21 V22
10 10 0.21269952 0.2670988 0.87532133 -0.6887557 0.60493329 -0.1350546
1 1 0.61464497 -0.5686687 0.91287592 -0.4149946 0.23962942 0.3981059
2 2 0.55715954 -0.1351786 0.29360337 -0.3942900 0.05893438 -0.6120264
3 3 0.32877732 1.1780870 0.45906573 -0.0593134 0.64228826 0.3411197
4 4 0.45313145 -1.5235668 0.33239467 1.1000254 0.87626921 -1.1293631
5 5 0.50044097 0.5939462 0.65087047 0.7631757 0.77891468 1.4330237
6 6 0.18086636 0.3329504 0.25801678 -0.1645236 0.79730883 1.9803999
7 7 0.52963060 1.0630998 0.47854525 -0.2533617 0.45527445 -0.3672215
8 8 0.07527575 -0.3041839 0.76631067 0.6969634 0.41008408 -1.0441346
9 9 0.27775593 0.3700188 0.08424691 0.5566632 0.81087024 0.5697196
并且所需的输出是：
lat lon V11 V12 A13 V21 V22 A13
答案 0 :(得分：4)
merge()是适合这项工作的工具。这是一个例子：
set.seed(1)
d1 <- data.frame(lat = 1:10, lon = 1:10, V2 = runif(10), V4 = rnorm(10))
d2 <- data.frame(lat = 1:10, lon = 1:10, V1 = runif(10), V3 = rnorm(10))
## merge the data using `lat` and `lon`
res <- merge(d1, d2, sort = FALSE) ## `sort = FALSE` stops R reordering rows
## get columns in right order
res <- res[, c(1:2, order(colnames(res[, -(1:2)])) + 2)]
给出了：
> res
lat lon V1 V2 V3 V4
1 1 1 0.4820801 0.26550866 0.91897737 -0.8204684
2 2 2 0.5995658 0.37212390 0.78213630 0.4874291
3 3 3 0.4935413 0.57285336 0.07456498 0.7383247
4 4 4 0.1862176 0.90820779 -1.98935170 0.5757814
5 5 5 0.8273733 0.20168193 0.61982575 -0.3053884
6 6 6 0.6684667 0.89838968 -0.05612874 1.5117812
7 7 7 0.7942399 0.94467527 -0.15579551 0.3898432
8 8 8 0.1079436 0.66079779 -1.47075238 -0.6212406
9 9 9 0.7237109 0.62911404 -0.47815006 -2.2146999
10 10 10 0.4112744 0.06178627 0.41794156 1.1249309
根据修订版Q进行更新：
## dummy data
set.seed(1)
df3 <- data.frame(matrix(runif(60), ncol = 6))
names(df3) <- paste("df3Var", 1:6, sep = "")
df3 <- cbind.data.frame(lat = 1:10, lon = 1:10, df3)
df4 <- data.frame(matrix(runif(30), ncol = 3))
names(df4) <- paste("df4Var", 1:3, sep = "")
df4 <- cbind.data.frame(lat = 1:10, lon = 1:10, df4)
## merge
res2 <- merge(df3, df4, sort = FALSE)
这给出了：
> head(res2)
lat lon df3Var1 df3Var2 df3Var3 df3Var4 df3Var5 df3Var6
1 1 1 0.2655087 0.2059746 0.9347052 0.4820801 0.8209463 0.47761962
2 2 2 0.3721239 0.1765568 0.2121425 0.5995658 0.6470602 0.86120948
3 3 3 0.5728534 0.6870228 0.6516738 0.4935413 0.7829328 0.43809711
4 4 4 0.9082078 0.3841037 0.1255551 0.1862176 0.5530363 0.24479728
5 5 5 0.2016819 0.7698414 0.2672207 0.8273733 0.5297196 0.07067905
6 6 6 0.8983897 0.4976992 0.3861141 0.6684667 0.7893562 0.09946616
df4Var1 df4Var2 df4Var3
1 0.9128759 0.3390729 0.4346595
2 0.2936034 0.8394404 0.7125147
3 0.4590657 0.3466835 0.3999944
4 0.3323947 0.3337749 0.3253522
5 0.6508705 0.4763512 0.7570871
6 0.2580168 0.8921983 0.2026923
> names(res2)
[1] "lat" "lon" "df3Var1" "df3Var2" "df3Var3" "df3Var4" "df3Var5"
[8] "df3Var6" "df4Var1" "df4Var2" "df4Var3"
好的，现在请注意顺序。假设我们希望从df3中获取2个变量，其中1个变量来自df4，并且df3和df4中的每个变量在其自身内的顺序正确。为此，我们需要创建一个索引向量ord：
> ord
[1] 1 2 7 3 4 8 5 6 9
然后我们添加2（以涵盖合并数据框中的lat和lon列）
> ord + 2
[1] 3 4 9 5 6 10 7 8 11
一旦你有序列，我们只需要一种方法来使用R的矢量化工具和一点点数学来产生我们想要的序列。我分两个阶段建立了指数; i）首先我找出合并数据框的列(1:6) + 2应该在ord中的位置，然后ii）我用列的合并数据框中的索引填充剩余的空格第二个数据框。
ord <- numeric(length = sum(ncol(df3), ncol(df4)) - 4)
ngrps <- 3
ningrps <- 2
## i)
want <- rep(seq_len(ningrps), ngrps) +
rep(seq(from = 0, by = 3, length = prod(ngrps, ningrps) / 2),
each = ningrps)
ord[want] <- seq_len(prod(ngrps, ningrps))
## ii)
want <- ngrps * seq_len(ngrps)
ord[want] <- seq(to = sum(ncol(df3), ncol(df4)) - 4, by = 1, length = ngrps)
res3 <- res2[, c(1:2, ord+2)]
这给出了：
> head(res3)
lat lon df3Var1 df3Var2 df4Var1 df3Var3 df3Var4 df4Var2 df3Var5
1 1 1 0.2655087 0.2059746 0.9128759 0.9347052 0.4820801 0.3390729 0.8209463
2 2 2 0.3721239 0.1765568 0.2936034 0.2121425 0.5995658 0.8394404 0.6470602
3 3 3 0.5728534 0.6870228 0.4590657 0.6516738 0.4935413 0.3466835 0.7829328
4 4 4 0.9082078 0.3841037 0.3323947 0.1255551 0.1862176 0.3337749 0.5530363
5 5 5 0.2016819 0.7698414 0.6508705 0.2672207 0.8273733 0.4763512 0.5297196
6 6 6 0.8983897 0.4976992 0.2580168 0.3861141 0.6684667 0.8921983 0.7893562
df3Var6 df4Var3
1 0.47761962 0.4346595
2 0.86120948 0.7125147
3 0.43809711 0.3999944
4 0.24479728 0.3253522
5 0.07067905 0.7570871
6 0.09946616 0.2026923
这是您想要的订单。现在我们可以把它做成一个小功能：
myMerge <- function(x, y, ngrps, ningrps, ...) {
out <- merge(x, y, ...)
ncols <- ncol(out) - 2
ord <- numeric(length = ncols)
want <- rep(seq_len(ningrps), ngrps) +
rep(seq(from = 0, by = ngrps, length = prod(ngrps, ningrps) / 2),
each = ningrps)
ord[want] <- seq_len(prod(ngrps, ningrps))
want <- ngrps * seq_len(ngrps)
ord[want] <- seq(to = ncols, by = 1, length = ngrps)
out <- out[, c(1:2, ord+2)]
out
}
在上面的df3和df4上使用时，会给出：
> myMerge(df3, df4, ngrps = 3, ningrps = 2, sort = FALSE)
lat lon df3Var1 df3Var2 df4Var1 df3Var3 df3Var4 df4Var2
1 1 1 0.26550866 0.2059746 0.91287592 0.93470523 0.4820801 0.3390729
2 2 2 0.37212390 0.1765568 0.29360337 0.21214252 0.5995658 0.8394404
3 3 3 0.57285336 0.6870228 0.45906573 0.65167377 0.4935413 0.3466835
4 4 4 0.90820779 0.3841037 0.33239467 0.12555510 0.1862176 0.3337749
5 5 5 0.20168193 0.7698414 0.65087047 0.26722067 0.8273733 0.4763512
6 6 6 0.89838968 0.4976992 0.25801678 0.38611409 0.6684667 0.8921983
7 7 7 0.94467527 0.7176185 0.47854525 0.01339033 0.7942399 0.8643395
8 8 8 0.66079779 0.9919061 0.76631067 0.38238796 0.1079436 0.3899895
9 9 9 0.62911404 0.3800352 0.08424691 0.86969085 0.7237109 0.7773207
10 10 10 0.06178627 0.7774452 0.87532133 0.34034900 0.4112744 0.9606180
df3Var5 df3Var6 df4Var3
1 0.8209463 0.47761962 0.4346595
2 0.6470602 0.86120948 0.7125147
3 0.7829328 0.43809711 0.3999944
4 0.5530363 0.24479728 0.3253522
5 0.5297196 0.07067905 0.7570871
6 0.7893562 0.09946616 0.2026923
7 0.0233312 0.31627171 0.7111212
8 0.4772301 0.51863426 0.1216919
9 0.7323137 0.66200508 0.2454885
10 0.6927316 0.40683019 0.1433044
这又是你想要的。您可以使用函数定义，因此您不需要同时指定ngrps和ningrps，因为您可以从另一个加上df3 - 2中的列数。但我会将其作为读者的练习。
答案 1 :(得分：1)
建议的另一个功能是cbind()。您可以指定与另一个数据帧组合的列数和哪个列。查看帮助部分，举例说明：
cbind help page
答案 2 :(得分：0)
您可以将最后一行修改为：
res <- res[, c(1:2, order(sub("[[:alpha:]]+"", colnames(res[, -(1:2)]))) + 2)]
那（现在）处理多个字母字符前导模式。如果您的模式更复杂，那么您需要提供一个示例来说明这种复杂程度。正则表达式解决方案可以轻松修剪所有领先的alpha或所有字母字符，但我们确实需要知道真正的问题是多么复杂。