给定条件并提高R中代码的效率，将值从另一个数据帧追加到一个数据帧

Question

我有一个名为train的数据集，当两个数据集中的created_at属性和user_id属性都匹配时，我希望将这些值追加到total列中。 以下是我编写的代码。

total = read.csv('Data.csv')
train = read.csv('train.csv', sep='\t')

train$lang=NA
train$tweet_lang=NA
train$time_zone=NA
train$instrumentalness=NA
train$liveness=NA

for (i in 1:nrow(train))
{
    train[i,'lang'] = total[which( total$created_at == as.character(train[i,'created_at']) && total$user_id == as.character(train[i,'user_id']) ),'lang']
    train[i,'tweet_lang'] = total[which( total$created_at == as.character(train[i,'created_at'])&& total$user_id == as.character(train[i,'user_id']) ),'tweet_lang']
    train[i,'time_zone'] = total[which( total$created_at == as.character(train[i,'created_at'])&& total$user_id == as.character(train[i,'user_id']) ),'time_zone']
    train[i,'instrumentalness'] = total[which( total$created_at == as.character(train[i,'created_at'])&& total$user_id == as.character(train[i,'user_id']) ),'instrumentalness']
    train[i,'liveness'] = total[which( total$created_at == as.character(train[i,'created_at'])&& total$user_id == as.character(train[i,'user_id']) ),'liveness']
    }

但是，对于i=3 ，我得到错误： Error in x[...] <- m : replacement has length zero 。 我怎样才能填充数据集中的值train即使它是一个空字符串？ 同样，此实现（使用循环）非常慢。 有什么方法可以向量化或并行化代码以使其运行更快？

Answer 1

您想要的是实现的左联接，例如在dplyr软件包中。

library(dplyr)

df1 <- data.frame(
    a = 1:4
    , b = letters[1:4]
)

df2 <- data.frame(
    a = 1:3
    , c = LETTERS[1:3]
)

df1 %>%
    left_join(df2, by = "a")

这导致

  a b    c
1 1 a    A
2 2 b    B
3 3 c    C
4 4 d <NA>

％>％称为管道运算符。 您可以在“ R for Data Science”一书中了解有关dplyr软件包的更多信息，也可以在此处在线找到 。