R比較數據框之間的列以匹配值

Question

我有兩個數據框，分別用於查看房屋（n = 6）和某些日期（n = 22）。

• ORIGINAL是原始數據集。 它包含5個變量的38個觀察值。 並非所有房屋都列出了所有日期，反之亦然，這導致使用不同長度變量的計算出錯。

• SAMPLE是一個新的空數據集。 它包含關於相同5個變量的132（6 x 22）個觀測值。 現在每個家庭每個日期都有一個觀測值。

  House Day貓鼬水果大象

    A 1 40 7 0.6 A 6 32 12 4.2 B 2 50 3 4.0 B 4 51 4 8.6 B 6 8 7 12.1 C 2 12 8 13.0 

我試圖通過要求R比較兩個數據幀之間的HouseID和Date來填充其余的SAMPLE； 如果它們匹配，則應復制其余變量（貓鼬，水果，大象）以進行觀察。

我嘗試這樣做無濟於事...

 for(i in 1:nrow(original))
{
  if ((sample$Day == original$Day) && (sample$House == original$House)) 
  {
    sample$Mongoose[i]  <- original$Mongoose[i] 
    sample$Fruit[i]     <- original$Fruit[i] 
    sample$Elephant[i]  <- original$Elephant[i] 
  }
}

結果如下：

我依次遇到以下3個錯誤

• 在sample $ Day == test $ Day中：較長的對象長度不是較短的對象長度的倍數

• 在is.na（e1）中| is.na（e2）：更長的對象長度不是的倍數
  較短的物體長度

• 在==.default （sample $ House，test $ House）中：更長的對象長度是
  不是較短的物體長度的倍數

數據確實復制了，但是不正確。 所有值都將轉移到A房屋和順序日期，而不是適當的房屋和日期。

即看起來像這樣

House   Day   Mongoose   Fruit  Elephant 
 A       1      40        7      0.6
 A       2      50        3      4.0
 A       3      51        4      8.6
 A       4       8        7      12.1
 A       5      12        8      13.0
 A       6      32        12     4.2
 B       1 
 B       2 
 B       3 [...]  

何時應該（本質上）如下所示：

House   Day   Mongoose   Fruit  Elephant 
 A       1      40        7      0.6
 A       2    
 A       3     
 A       4      
 A       5      
 A       6      32        12     4.2    [rest of A houses have no data]
 B       1 
 B       2      50        3      4.0 
 B       3   
 B       4      51        4      8.6
 B       5 
 B       6       8        7      12.1    [rest of B houses have no data]
 C       1    
 C       2      12        8      13.0

請指教; 我最終將不得不擴展此技術，以查看具有198K條目的樣本數據集和具有115K的測試數據集。

謝謝！

Answer 1

在我看來這應該工作：

merge(sample, original, by = c("House", "Day"), all.x = TRUE)

但是如果沒有可復制的例子，很難說。 您可能還需要研究dplyr::left_join() 。 也就是說，假設您的數據如下所示：

sample <- data.frame(House = rep(c("A", "B", "C"), each = 6),
                     Day = rep(1:6, 3))

# head(sample)
#   House Day
# 1     A   1
# 2     A   2
# 3     A   3
# 4     A   4
# 5     A   5
# 6     A   6

original <- data.frame(House = c("A", "A", "B", "B", "C"),
                       Day = c(1, 6, 2, 4, 2),
                       Mongoose = c(40, 32, 50, 51, 8),
                       Fruit = c(7, 12, 3, 4, 8),
                       Elephant = c(0.6, 4.2, 4.0, 8.6, 12.1))

# head(original)
#   House Day Mongoose Fruit Elephant
# 1     A   1       40     7      0.6
# 2     A   6       32    12      4.2
# 3     B   2       50     3      4.0
# 4     B   4       51     4      8.6
# 5     C   2        8     8     12.1

我們獲得：

# head(merge(sample, original, by = c("House", "Day"), all.x = TRUE))
#   House Day Mongoose Fruit Elephant
# 1     A   1       40     7      0.6
# 2     A   2       NA    NA       NA
# 3     A   3       NA    NA       NA
# 4     A   4       NA    NA       NA
# 5     A   5       NA    NA       NA
# 6     A   6       32    12      4.2

Answer 2

這可能是一個小的調整，請看一下原始代碼的這一行：

if ((sample$Day == original$Day) && (sample$House == original$House)) 

看看是否可以將其更改為：

if ((sample$Day[i] == original$Day[i]) && (sample$House[i] == original$House[i]))

因為：

• 您正在使用帶i變量的for循環，
• 您對諸如sample$Mongoose[i] <- original$Mongoose[i]行做得很好
• 但在您的示例中，似乎if語句實際上並未使用i變量
• 因此我們對其進行了修改，以使用i因此它將專門比較觀察值/行的sample$Day與該觀察值/行的original$Day ，並將sample$House與original$House