在 R 中使用 full_join 处理重复的列

Question

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！

Answer 1

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