如何有条件地组合 R 数据帧中的某些行（但不是其他行）？

Question

我试图弄清楚如何合并/连接两个数据帧，如果满足某个条件，R 将两个数据帧中的两行合并为一行，但如果条件不满足，R 添加在原始数据框中不存在的列中包含 NA 的新行。 我不清楚这是否比我想象的更简单，但我一直无法弄清楚如何做到这一点，即使在阅读了一些堆栈溢出结果（ 例如或例如）之后。

下面是两个示例数据框：

df1 <- data.frame(Name_df1 = c("Alan", "Steve", "Melanie", "Steve", "Melanie"),
                  Date_df1 = c("02/18/2008", "02/18/2008", "03/14/2009", "04/19/2009", "03/16/2009"),
                  Job_df1 = c("Cook", "Security", "Greeter", "Security", "Greeter"),
                  Hours_df1 = c(8.5, 7.0, 6.0, 7.0, 6.0))

df2 <- data.frame(Name_df2 = c("Steve", "Alan", "Melanie", "Melanie", "Steve", "Carter"),
                  Date_df2 = c("02/18/2008", "02/18/2008", "03/14/2009", "03/17/2009","04/25/2009", "08/15/2011"),
                  Job_df2 = c("Police", "Chef", "Greeter", "Greeter", "Security", "Doorman"),
                  Hours_df2 = c(8.5, 7.0, 6.0, 7.0, 7.0, 6.5),
                  Wage_df2 = c(80, 77, 127.5, 90, 145, 100))

df1 和 df2 都描述了某些个人的工作日期、他们的职位、姓名和在指定日期的工作时间，只有df2 还包含工资信息。 我想要做的是将 df1 和 df2 加入到具有以下列的 df3 中：

• “名称_df1”
• “名称_df2”
• “日期_df1”
• “日期_df2”
• “工作_df1”
• “工作_df2”
• “小时_df1”
• “小时_df2”
• “工资_df2”

具体来说，我想加入 df1 和 df2，这样对于 df1 或 df2 中的每一行，如果“Name_df1”/“Name_df2”列中的值和“Date_df1”/“Date_df2”中的值都完全匹配" 对应数据框中相应列中的列（即在 df1 中，如果“Date_df1”列和“Name_df1”列中的值分别在“Date_df2”列和“Name_df2”列中完全匹配，则为df2):

• 在 df3 中创建一行，其中“Name_df1”、“Name_df2”、“Date_df1”、“Date_df2”、“Job_df1”、“Job_df2”、“Hours_df1”、“Hours_df2”和“Wage”列用来自 df1 和 df2 的相关值。 “Job_df1”、“Job_df2”、“Hours_df1”和“Hours_df2”中的值可能相同，也可能不同。

但是，如果“Name_df1”/“Name_df2”列中的值与“Date_df1”/“Date_df2”列中的值不完全匹配，则df3 应该获得仅包含来自 df1 的信息的行在“Name_df1”、“Date_df1”、“Job_df1”和“Hours_df1”中，以及“Name_df2”、“Date_df2”、“Job_df2”、“Hours_df2”和“Wage_df2”中的 NA。 或者，如果原始行来自 df2，则 df3 应获取仅包含“Name_df2”、“Date_df2”、“Job_df2”、“Hours_df2”和“Wage_df2”中来自 df2 的信息以及“Name_df1”中的 NA 的行”、“Date_df1”、“Job_df1”和“Hours_df1”。

我知道这很拗口，但根据上面指定的 df1 和 df2，这就是 df3 的样子：

df3 <- data.frame(Name_df1 = c("Alan", "Steve", "Melanie", "Steve", "Melanie", NA, NA, NA),
                  Name_df2 = c("Alan", "Steve", "Melanie", NA, NA, "Melanie", "Steve", "Carter"),
                  Date_df1 = c("02/18/2008", "02/18/2008", "03/14/2009", "04/19/2009", "03/16/2009", NA, NA, NA),
                  Date_df2 = c("02/18/2008", "02/18/2008", "03/14/2009", NA, NA, "03/17/2009", "04/25/2009", "08/15/2011"),
                  Job_df1 = c("Cook", "Security", "Greeter", "Security", "Greeter", NA, NA, NA),
                  Job_df2 = c("Chef", "Police", "Greeter", NA, NA, "Greeter", "Security", "Doorman"),
                  Hours_df1 = c(7.0, 7.0, 6.0, 7.0, 6.0, NA, NA, NA),
                  Hours_df2 = c(7.0, 8.5, 6.0, NA, NA, 7.0, 7.0, 6.5),
                  Wage_df2 = c(77.0, 80, 127.5, NA, NA, 90.0, 145.0, 100))

谁能帮我解决这个问题？

Answer 1

看来您正在寻找full_join但要获得确切所需的 output （ df3 ），您需要执行一些操作。

library(dplyr)

full_join(df1, df2, by = c('Name_df1' = 'Name_df2', 'Date_df1' = 'Date_df2')) %>%
  mutate(Name_df2 = ifelse(is.na(Job_df2), NA, Name_df1),
         Name_df1 = ifelse(is.na(Job_df1), NA, Name_df1), 
         Date_df2 = ifelse(is.na(Job_df2), NA, Date_df1),
         Date_df1 = ifelse(is.na(Job_df1), NA, Date_df1)) %>%
  select(starts_with('Name'), starts_with('Date'), starts_with('Job'), everything())

#  Name_df1 Name_df2   Date_df1   Date_df2  Job_df1  Job_df2 Hours_df1 Hours_df2 Wage_df2
#1     Alan     Alan 02/18/2008 02/18/2008     Cook     Chef       8.5       7.0     77.0
#2    Steve    Steve 02/18/2008 02/18/2008 Security   Police       7.0       8.5     80.0
#3  Melanie  Melanie 03/14/2009 03/14/2009  Greeter  Greeter       6.0       6.0    127.5
#4    Steve     <NA> 04/19/2009       <NA> Security     <NA>       7.0        NA       NA
#5  Melanie     <NA> 03/16/2009       <NA>  Greeter     <NA>       6.0        NA       NA
#6     <NA>  Melanie       <NA> 03/17/2009     <NA>  Greeter        NA       7.0     90.0
#7     <NA>    Steve       <NA> 04/25/2009     <NA> Security        NA       7.0    145.0
#8     <NA>   Carter       <NA> 08/15/2011     <NA>  Doorman        NA       6.5    100.0

Answer 2

也许这可能是连接这两个数据框的一种方式：

library(dplyr) df3 <- df1 %>% full_join(df2, by="Name", suffix= c(".df1", ".df2"))

结果：

桌子

Answer 3

我认为您想要使用keep = TRUE完全加入：

library(dplyr)
full_join(df1, df2, by = c(Name_df1 = "Name_df2", Date_df1 = "Date_df2"), keep = TRUE)
#>   Name_df1   Date_df1  Job_df1 Hours_df1 Name_df2   Date_df2  Job_df2 Hours_df2
#> 1     Alan 02/18/2008     Cook       8.5     Alan 02/18/2008     Chef       7.0
#> 2    Steve 02/18/2008 Security       7.0    Steve 02/18/2008   Police       8.5
#> 3  Melanie 03/14/2009  Greeter       6.0  Melanie 03/14/2009  Greeter       6.0
#> 4    Steve 04/19/2009 Security       7.0     <NA>       <NA>     <NA>        NA
#> 5  Melanie 03/16/2009  Greeter       6.0     <NA>       <NA>     <NA>        NA
#> 6     <NA>       <NA>     <NA>        NA  Melanie 03/17/2009  Greeter       7.0
#> 7     <NA>       <NA>     <NA>        NA    Steve 04/25/2009 Security       7.0
#> 8     <NA>       <NA>     <NA>        NA   Carter 08/15/2011  Doorman       6.5
#>   Wage_df2
#> 1     77.0
#> 2     80.0
#> 3    127.5
#> 4       NA
#> 5       NA
#> 6     90.0
#> 7    145.0
#> 8    100.0

^{由代表 package (v2.0.1) 于 2022 年 1 月 17 日创建}