如何使用 dplyr *_join() 函数的两个“by”参数组合 R 中的两个数据集？ [复制]

Question

这个问题在这里已经有了答案：

如何加入（合并）数据框（内、外、左、右） （13 个回答）

11 个月前关闭。

假设这是我的两个数据集：

# This is dataset "df"
df <- tibble(country = rep(c("US", "UK", "FRA", "SPA"), times = 3),
             date = rep(c("2020-01-01", "2020-02-01", "2020-03-01"), each = 4))

   country date
 1 FRA     2020-01-01
 2 SPA     2020-01-01
 3 UK      2020-01-01
 4 US      2020-01-01
 5 FRA     2020-02-01
 6 SPA     2020-02-01
 7 UK      2020-02-01
 8 US      2020-02-01
 9 FRA     2020-03-01
10 SPA     2020-03-01
11 UK      2020-03-01
12 US      2020-03-01

# This is dataset "dd"
dd <- tibble(country = rep(c("US", "UK", "FRA"), times = 3),
             date = rep(c("2020-01-01", "2020-02-01", "2020-03-01"), each = 3),
             cases = seq(1:9),
             deaths = seq(from = 2, to = 18, by = 2))

  country date       cases deaths
1 FRA     2020-01-01     1      2
2 UK      2020-01-01     2      4
3 US      2020-01-01     3      6
4 FRA     2020-02-01     4      8
5 UK      2020-02-01     5     10
6 US      2020-02-01     6     12
7 FRA     2020-03-01     7     14
8 UK      2020-03-01     8     16
9 US      2020-03-01     9     18

我想创建一个名为dj的新数据集，它按国家/地区和日期将df和dd的案例列组合在一起。 我还希望 NA 打印在缺少数据的案例列（在dj ）（即国家“SPA”）。

本质上，我试图让dj有 12 行和 3 列（国家、日期、案例），“SPA”中的案例为 NA。 像这样：

   country date       cases
1  FRA     2020-01-01     1
2  SPA     2020-01-01    NA
3  UK      2020-01-01     2
4  US      2020-01-01     3
5  FRA     2020-02-01     4
6  SPA     2020-02-01    NA
7  UK      2020-02-01     5
8  US      2020-02-01     6
9  FRA     2020-03-01     7
10 SPA     2020-03-01    NA
11 UK      2020-03-01     8
12 US      2020-03-01     9

我知道您可以使用 dplyr 包 *_join() 函数组合两个数据集，但是当我只想将一个数据集与另一个数据集中的一个特定列合并并使用多个“by”参数（即国家和日期）？？

由于我是 R 新手，因此我自己很难弄清楚这一点，因此非常感谢您的帮助:)

Answer 1

使用dplyr您可以使用left_join ，然后select您需要或不需要的字段。 请记住?left_join将指示“左”数据帧（此处为df ）将保留所有记录，这些记录将维护SPA值。

您还可以在join之前对数据帧执行select ，从df删除“死亡”。 这里的重要部分是确保您使用正确的join将所有记录保存在df 。

library(dplyr)

dj <- left_join(df, dd, by = c('date', 'country')) %>%
  select(-deaths) # OR select(country, date, cases)

输出：

# A tibble: 12 x 3
   country date       cases
   <chr>   <chr>      <int>
 1 FRA     2020-01-01     3
 2 FRA     2020-02-01     6
 3 FRA     2020-03-01     9
 4 SPA     2020-01-01    NA
 5 SPA     2020-02-01    NA
 6 SPA     2020-03-01    NA
 7 UK      2020-01-01     2
 8 UK      2020-02-01     5
 9 UK      2020-03-01     8
10 US      2020-01-01     1
11 US      2020-02-01     4
12 US      2020-03-01     7

Answer 2

您可以使用left_join() ，如下所示：

dj <- left_join(df, dd, by = c('country', 'date')) %>%
  select(-deaths)
dj

这是输出：

# A tibble: 12 x 3
   country date       cases
   <chr>   <chr>      <int>
 1 FRA     2020-01-01     3
 2 FRA     2020-02-01     6
 3 FRA     2020-03-01     9
 4 SPA     2020-01-01    NA
 5 SPA     2020-02-01    NA
 6 SPA     2020-03-01    NA
 7 UK      2020-01-01     2
 8 UK      2020-02-01     5
 9 UK      2020-03-01     8
10 US      2020-01-01     1
11 US      2020-02-01     4
12 US      2020-03-01     7