堆棧內存溢出
  簡體   English   中英

僅選擇數據框中與R中另一個數據框具有相同列名的列

[英]Select only the columns in a dataframe which have the same column names as another dataframe in R

 原文  2018-08-02 00:07:10  1   1    r/ select/ dplyr/ subset/ rbind

問題描述

我有幾個看起來像這樣的數據集： 

df1 <- data.frame (
A1_01 = c(1, 0, 0, 1, 0, 1, 0, 1, 0, 0),
A2_01 = c(1, 1, 1, 0, 1, 0, 0, 0, 0, 0),
A3_02 = c(0, 0, 0, 1, 0, 1, 0, 1, 1, 0),
L1_02 = c(1, 1, 1, 1, 1, 0, 0, 1, 1, 0),
L2_02 = c(0, 0, 0, 1, 1, 1, 0, 1, 0, 0),
age = rep(c("40-44", "45-49", "50-54", "55-59", "60-64"),2),
gender = c(rep("M",5), rep("F",5)),
ID = c("A12345", "A23456", "A34767", "A34567", "A45678", "A67891", "A78910", "A91011", 
     "A10111", "A11121"))

df2 <- data.frame (
A1_01 = c(1, 0, 0, 1, 0, 1, 0, 1, 0, 0),
A2_01 = c(1, 1, 1, 0, 1, 0, 0, 0, 0, 0),
A3_02 = c(0, 0, 0, 1, 0, 1, 0, 1, 1, 0),
Z4_02 = c(1, 1, 1, 1, 1, 0, 0, 1, 1, 0),
Z5_02 = c(0, 0, 0, 1, 1, 1, 0, 1, 0, 0),
age = rep(c("40-44", "45-49", "50-54", "55-59", "60-64"),2),
gender = c(rep("M",5), rep("F",5)),
ID = c("Q12345", "Q23456", "Q34767", "Q34567", "Q45678", "Q67891", "Q78910", "Q91011", 
     "Q10111", "Q11121"))

我想將所有這些數據集綁定在一起，以形成一個更大的數據集。 為此，我需要每個數據集具有相同的列名。 因此，我嘗試對所有數據集進行子集，以僅包含它們共有的列/變量。

這是我嘗試做的，但這不起作用。 

test <- df1 %>%
 select(names(df1) %in% names(df2))

我想要的輸出將是： 

df3 <- data.frame (
A1_01 = c(1, 0, 0, 1, 0, 1, 0, 1, 0, 0, 1, 0, 0, 1, 0, 1, 0, 1, 0, 0),
A2_01 = c(1, 1, 1, 0, 1, 0, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0, 0, 0, 0, 0),
A3_02 = c(0, 0, 0, 1, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1, 0, 1, 0, 1, 1, 0),
age = c(rep(c("40-44", "45-49", "50-54", "55-59", "60-64"),2), rep(c("40-44", "45-49", "50-54", "55-59", "60-64"),2)),
gender = c(rep("M",5), rep("F",5), rep("M",5), rep("F",5)),
ID = c("A12345", "A23456", "A34767", "A34567", "A45678", "A67891", "A78910", "A91011", 
     "A10111", "A11121", "Q12345", "Q23456", "Q34767", "Q34567", "Q45678", "Q67891", "Q78910", "Q91011", 
     "Q10111", "Q11121") )

根據以下響應，我的代碼現在很長。 由於我有多個數據集，因此非常耗時。 本練習的目的是僅對所有六個數據集中共有的列進行子集化，因此我不想使用bind_rows。

我結束了寫下面的代碼的迭代代碼。 有誰知道是否有更有效的方法來做到這一點？ 謝謝。 

nm = intersect(names(NZHS_Y2A), names(NZHS_Y3A))
NZHS_Y2_3 <- rbind(NZHS_Y2A[nm], NZHS_Y3A[nm])
nm = intersect(names(NZHS_Y3A), names(NZHS_Y4A))
NZHS_Y3_4 <- rbind(NZHS_Y3A[nm], NZHS_Y4A[nm])
nm = intersect(names(NZHS_Y4A), names(NZHS_Y5A))
NZHS_Y4_5 <- rbind(NZHS_Y4A[nm], NZHS_Y5A[nm])
nm = intersect(names(NZHS_Y5A), names(NZHS_Y6A))
NZHS_Y5_6 <- rbind(NZHS_Y5A[nm], NZHS_Y6A[nm])

nm = intersect(names(NZHS_Y2_3), names(NZHS_Y3_4))
NZHS_Y2_4 <- rbind(NZHS_Y2_3[nm], NZHS_Y3_4[nm])
nm = intersect(names(NZHS_Y3_4), names(NZHS_Y4_5))
NZHS_Y3_5 <- rbind(NZHS_Y3_4[nm], NZHS_Y4_5[nm])
nm = intersect(names(NZHS_Y4_5), names(NZHS_Y5_6))
NZHS_Y4_6 <- rbind(NZHS_Y4_5[nm], NZHS_Y5_6[nm])

nm = intersect(names(NZHS_Y2_4), names(NZHS_Y3_5))
NZHS_Y2_5 <- rbind(NZHS_Y2_4[nm], NZHS_Y3_5[nm])
nm = intersect(names(NZHS_Y3_5), names(NZHS_Y4_6))
NZHS_Y3_6 <- rbind(NZHS_Y3_5[nm], NZHS_Y4_6[nm])

nm = intersect(names(NZHS_Y2_5), names(NZHS_Y4_6))
NZHS_Ad_2_6 <- rbind(NZHS_Y2_5[nm], NZHS_Y4_6[nm])

1 個解決方案

解決方案1
 4 已采納  2018-08-02 00:25:13

您可以使用intersect來獲取兩個數據幀之間共有的一組列，如db的注釋中所述。

一種替代方法是使用dplyr的bind_rows ，它使您可以匹配匹配的列並用缺失項填充不匹配的列。 在某些情況下，這可能是更理想的輸出。

編輯：要處理許多數據框，您應該將它們存儲在列表中，並使用reduce來獲取所有數據框的交集。 這會將函數應用於列表中的前兩個元素，然后將該結果和第三個元素相依，依此類推。 然后，您可以在列表上使用map_dfr從每個數據框中僅選擇共享列，並將行將它們綁定在一起（或者do.call(rbind, .)如果要使用rbind ，則將其map ，然后執行do.call(rbind, .) 。 bind_rows直接接受一個列表作為輸入。 

df1 <- data.frame(
  A1_01 = c(1, 0, 0, 1, 0, 1, 0, 1, 0, 0),
  A2_01 = c(1, 1, 1, 0, 1, 0, 0, 0, 0, 0),
  A3_02 = c(0, 0, 0, 1, 0, 1, 0, 1, 1, 0),
  L1_02 = c(1, 1, 1, 1, 1, 0, 0, 1, 1, 0),
  L2_02 = c(0, 0, 0, 1, 1, 1, 0, 1, 0, 0),
  age = rep(c("40-44", "45-49", "50-54", "55-59", "60-64"), 2),
  gender = c(rep("M", 5), rep("F", 5)),
  ID = c(
    "A12345", "A23456", "A34767", "A34567", "A45678", "A67891", "A78910", "A91011",
    "A10111", "A11121"
  )
)

df2 <- data.frame(
  A1_01 = c(1, 0, 0, 1, 0, 1, 0, 1, 0, 0),
  A2_01 = c(1, 1, 1, 0, 1, 0, 0, 0, 0, 0),
  A3_02 = c(0, 0, 0, 1, 0, 1, 0, 1, 1, 0),
  Z4_02 = c(1, 1, 1, 1, 1, 0, 0, 1, 1, 0),
  Z5_02 = c(0, 0, 0, 1, 1, 1, 0, 1, 0, 0),
  age = rep(c("40-44", "45-49", "50-54", "55-59", "60-64"), 2),
  gender = c(rep("M", 5), rep("F", 5)),
  ID = c(
    "Q12345", "Q23456", "Q34767", "Q34567", "Q45678", "Q67891", "Q78910", "Q91011",
    "Q10111", "Q11121"
  )
)
library(tidyverse)
df_list <- list(df1, df2)
cols <- reduce(df_list, .f = ~ intersect(colnames(.x), colnames(.y)))
map_dfr(df_list, ~ .[cols])
#>    A1_01 A2_01 A3_02   age gender     ID
#> 1      1     1     0 40-44      M A12345
#> 2      0     1     0 45-49      M A23456
#> 3      0     1     0 50-54      M A34767
#> 4      1     0     1 55-59      M A34567
#> 5      0     1     0 60-64      M A45678
#> 6      1     0     1 40-44      F A67891
#> 7      0     0     0 45-49      F A78910
#> 8      1     0     1 50-54      F A91011
#> 9      0     0     1 55-59      F A10111
#> 10     0     0     0 60-64      F A11121
#> 11     1     1     0 40-44      M Q12345
#> 12     0     1     0 45-49      M Q23456
#> 13     0     1     0 50-54      M Q34767
#> 14     1     0     1 55-59      M Q34567
#> 15     0     1     0 60-64      M Q45678
#> 16     1     0     1 40-44      F Q67891
#> 17     0     0     0 45-49      F Q78910
#> 18     1     0     1 50-54      F Q91011
#> 19     0     0     1 55-59      F Q10111
#> 20     0     0     0 60-64      F Q11121
bind_rows(df_list)
#>    A1_01 A2_01 A3_02 L1_02 L2_02   age gender     ID Z4_02 Z5_02
#> 1      1     1     0     1     0 40-44      M A12345    NA    NA
#> 2      0     1     0     1     0 45-49      M A23456    NA    NA
#> 3      0     1     0     1     0 50-54      M A34767    NA    NA
#> 4      1     0     1     1     1 55-59      M A34567    NA    NA
#> 5      0     1     0     1     1 60-64      M A45678    NA    NA
#> 6      1     0     1     0     1 40-44      F A67891    NA    NA
#> 7      0     0     0     0     0 45-49      F A78910    NA    NA
#> 8      1     0     1     1     1 50-54      F A91011    NA    NA
#> 9      0     0     1     1     0 55-59      F A10111    NA    NA
#> 10     0     0     0     0     0 60-64      F A11121    NA    NA
#> 11     1     1     0    NA    NA 40-44      M Q12345     1     0
#> 12     0     1     0    NA    NA 45-49      M Q23456     1     0
#> 13     0     1     0    NA    NA 50-54      M Q34767     1     0
#> 14     1     0     1    NA    NA 55-59      M Q34567     1     1
#> 15     0     1     0    NA    NA 60-64      M Q45678     1     1
#> 16     1     0     1    NA    NA 40-44      F Q67891     0     1
#> 17     0     0     0    NA    NA 45-49      F Q78910     0     0
#> 18     1     0     1    NA    NA 50-54      F Q91011     1     1
#> 19     0     0     1    NA    NA 55-59      F Q10111     1     0
#> 20     0     0     0    NA    NA 60-64      F Q11121     0     0

由reprex軟件包 （v0.2.0）創建於2018-08-01。

暫無
暫無

聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.

相關問題 當列具有順序名稱時，如何在 R 中的 dataframe 的 select 列？ 在R中的相同數據框中綁定具有相似列名的列 使用 R 中的另一個數據框列完成列名 在R中，根據行和列從另一個數據框中選擇值，這些值保存在數據框中 將數據框的列名或從 R 對象添加到另一個數據框 R - 僅選擇數據幀的因子列 如何使用R計算在同一數據幀中具有相同列名的列之間的差異 dataframe 的搜索列，每個 i 在同一 dataframe 的另一列中 - R 重新排序 r dataframe 列，其中列名混合了字母和數字 根據 dataframe 的列名和 R 中的后續列刪除列
相關標簽
 
粵ICP備18138465號  © 2020-2024 STACKOOM.COM