[英]Dealing with duplicated columns using full_join in R
下午好!
我目前正在使用 R 处理数据操作任务,并面临两难境地。
周围有两张桌子,我的目标是使用特定的键连接这些桌子。
表格1:
Name <- c("John", "Michael", "Anna", "Boris")
ID <- c("ID1", "ID2", "ID3", "ID4")
PDN <- c(40, 10, 6, 70)
Sum3107 <- c(16, 10, 53, 44)
Sum3108 <- c(16, 8, 50, 43)
table1 <- data.frame(Name, ID, PDN, Sum3107, Sum3108)
和表2:
Name <- c("Martin", "Anna", "Olga", "Boris")
ID <- c("ID6", "ID3", "ID7", "ID4")
PDN <- c(22, 6, 44, 70)
Sum3009 <- c(10, 8, 45, 30)
Sum3110 <- c(9, 6, 30, 20)
table2 <- data.frame(Name, ID, PDN, Sum3009, Sum3110)
我选择了 full_join 运算符,因为它在理论上完美地解决了任务:
table3 <- full_join(table1, table2, by = c("Name", "ID", "PDN"))
一切都是正确的,因为这两个表中所有重复的列都被选为键。
但是,如果我需要 select 作为键仅特定列名,并选择 full_join,R 将复制在表中重复的列,这不是我所期望的。
table3 <- full_join(table1, table2, by = c("Name", "ID")) #"PDN" was removed
是否可以在特定列上运行连接,而不是在两个表中全部重复而不会得到重复的结果?
预期结果:我想只使用两个键(c(“Name”,“ID”))从两个表中获得完全连接,其中显示“PDN”列但在结果部分(PDN.x 和 PDN)中不重复.y 不在附近)。
先感谢您! 非常感谢任何帮助!
这有帮助吗? 与完全连接相同的 output 以不同的顺序。 我没有指定 PDN,但我指定了要求和的列,其中不包括 PDN。
bind_rows(table1, table2) %>%
group_by(Name, ID) %>%
summarise(across(contains("Sum"), ~sum(.x, na.rm = T)), .groups = "drop")
我还想不出一种方法来让 R 将 PDN 列与 Sum 列区别对待,而没有给出一些迹象表明它应该被视为键和/或其他应该被视为值。
编辑 - 这并不优雅,但您可以采取的另一种方法是进行您想要的加入,然后“在帖子中修复它”。 这里通过重新整形 long,从列名中删除任何“.x”或“.y”,过滤第一个非 NA,然后再次旋转宽来完成。
但这肯定更糟。 :-)
full_join(table1, table2, by = c("Name", "ID")) %>%
pivot_longer(-c(Name, ID)) %>%
mutate(name = name %>% str_remove(".x|.y")) %>%
filter(!is.na(value)) %>%
group_by(Name, ID, name) %>% slice(1) %>% ungroup() %>%
pivot_wider(names_from = name, values_from = value)
# A tibble: 6 x 7
Name ID PDN Sum3009 Sum3107 Sum3108 Sum3110
<chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
1 Anna ID3 6 8 53 50 6
2 Boris ID4 70 30 44 43 20
3 John ID1 40 NA 16 16 NA
4 Martin ID6 22 10 NA NA 9
5 Michael ID2 10 NA 10 8 NA
6 Olga ID7 44 45 NA NA 30
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.