合并两个数据表，如果dt1有NA则从dt2取值

Question

我有两个数据表。 我将它们合并到 4 个常用列中（主键 = col1）。 但是，dt1 中的许多行在 3 个子键（col2、col3、col4）中都有 NA。 合并时，它们保留 NA 而不是从 dt2 中与它们匹配的行中获取现有值。

例子：

setkey(dt1, letter, number)
setkey(dt2, letter, number)
      dt1                     dt2
letter  number  size      letter  number  color
  a        10   big          a     10    blue
  b        NA   small        b     20    orange
  c        30   big          c     30    yellow
  d        40   big          d     40    red

dt_merged <- merge(dt1, dt2, all=TRUE)

      dt_merged
letter  number  size   color
     a     10   big    blue
     b     NA   small  orange
     c     30   big    yellow
     d     40   big    red

每当 dt1 具有 NA 时，如何调整合并以从 dt2 获取这 3 列（例如 col2、col3、col4）的值？

编辑：添加大小列，因为以前似乎没有必要将 DT 与给定值合并。

Answer 1

对于此示例数据集，可以使用coalesce dplyr中的合并来解决dt1具有 NA 时的问题。 如果您有更多列（您提到了 col2、col3、col4），您可能应该在两个数据集之间以相同的理由将它们全部coalesce 。

library(dplyr)

dt1 %>% 
  mutate(number = coalesce(number, dt2$number)) %>% 
  inner_join(dt2, by = c("letter", "number"))
#   letter number  size  color
# 1      a     10   big   blue
# 2      b     20 small orange
# 3      c     30   big yellow
# 4      d     40   big    red

数据

dt1 <- structure(list(letter = c("a", "b", "c", "d"), number = c(10L, 
NA, 30L, 40L), size = c("big", "small", "big", "big")), class = "data.frame", row.names = c(NA, -4L))

dt2 <- structure(list(letter = c("a", "b", "c", "d"), number = c(10L, 
20L, 30L, 40L), color = c("blue", "orange", "yellow", "red")), class = "data.frame", row.names = c(NA, -4L))

Answer 2

这是一个选项：

cols <- paste0("col", 2L:4L)
#look up the missing values from dt2 first before merging
dt1[is.na(col2), (cols) := dt2[.SD, on=.(col1), mget(paste0("x.", cols))]]
merge(dt1, dt2, all=TRUE)

output：

   col1 col2 col3 col4  size  color
1:    a   10   10   10   big   blue
2:    b   20   20   20 small orange
3:    c   30   30   30   big yellow
4:    d   40   40   40   big    red

数据：

dt1 <- data.table(col1 = c("a", "b", "c", "d"), 
    col2 = c(10L, NA, 30L, 40L), 
    col3 = c(10L, NA, 30L, 40L), 
    col4 = c(10L, NA, 30L, 40L), 
    size = c("big", "small", "big", "big"))

dt2 <- data.table(col1 = c("a", "b", "c", "d"), 
    col2 = c(10L, 20L, 30L, 40L), 
    col3 = c(10L, 20L, 30L, 40L), 
    col4 = c(10L, 20L, 30L, 40L), 
    color = c("blue", "orange", "yellow", "red"))