如何從 R 中的兩個不同數據幀添加兩列，其中一列只有另一列的唯一值的子集

Question

我有兩個數據幀，我需要從這兩列中添加兩列並將結果存儲在原始的更大的數據幀中，但是較大的數據幀比較小的數據幀具有更多的“分支”列。 我嘗試使用匹配但不匹配的分支總和為 NA

示例代碼：

> df1 <- data.frame(branch = letters[seq(1,5)],
+                   rev = seq(10,50,10),
+                   stringsAsFactors = 0)
> df1
  branch rev
1      a  10
2      b  20
3      c  30
4      d  40
5      e  50
> 
> df2 <- data.frame(branch = c('b','d'),
+                   Amt = c(10,10),
+                   stringsAsFactors = 0)
> df2
  branch Amt
1      b  10
2      d  10
> 
> df1$rev + df2[match(df1$branch,df2$branch),2,drop = 1]
[1] NA 30 NA 50 NA
> 

預期產出

> df1
  branch rev
1      a  10
2      b  30
3      c  30
4      d  50
5      e  50
> 

我嘗試使用左連接如下：

> left_join(df1, df2, by = 'branch')
  branch rev Amt
1      a  10  NA
2      b  20  10
3      c  30  NA
4      d  40  10
5      e  50  NA
> df1 <- left_join(df1, df2, by = 'branch')
> df1[is.na(df1)] <- 0
> df1
  branch rev Amt
1      a  10   0
2      b  20  10
3      c  30   0
4      d  40  10
5      e  50   0
> df1$rev <- df1$rev + df1$Amt
> df1
  branch rev Amt
1      a  10   0
2      b  30  10
3      c  30   0
4      d  50  10
5      e  50   0
> df1$Amt <- NULL
> df1
  branch rev
1      a  10
2      b  30
3      c  30
4      d  50
5      e  50
> 

有人可以讓我知道是否有更簡單的解決方案。

Answer 1

使用data.table的選項：

library(data.table)
setDT(df1)[, rev :=
    setDT(df2)[.SD, on=.(branch), rev + nafill(Amt, fill=0)]
]

輸出：

   branch rev
1:      a  10
2:      b  30
3:      c  30
4:      d  50
5:      e  50

Answer 2

這個怎么樣，不需要庫：

    df1 <- df1[order(df1$branch),] #sort based on branch
    df2 <- df2[order(df2$branch),] #sort also so next step works
    df1$branch[df1$branch %in% df2$branch] #just to check we are on correct path

    #do the task
    df1$rev[df1$branch %in% df2$branch] <- df1$rev[df1$branch %in% df2$branch]  + df2$Amt[df2$branch %in% df1$branch] 

警告——如果 df2 中有重復的“分支”值……例如兩個“b”，您需要在將它們添加到 df1 之前累積這些值。

Answer 3

使用dplyr ，您可以聚合同時使用dataframes bind_rows （以及為了重命名金額由轉來匹配colnames），按“分支”，並計算總和：

library(dplyr)
df1 %>% bind_rows(., rename(df2, rev = Amt)) %>%
  group_by(branch) %>%
  summarise(rev = sum(rev))

# A tibble: 5 x 2
  branch   rev
  <chr>  <dbl>
1 a         10
2 b         30
3 c         30
4 d         50
5 e         50

Answer 4

一種方法是將match的輸出存儲在變量中， replace NA replace為 0，然后添加值

vals <- df2$Amt[match(df1$branch,df2$branch)]
df1$rev + replace(vals, is.na(vals), 0)
#[1] 10 30 30 50 50

---

dplyr類似的dplyr ，做left_join而不是match

library(dplyr)

df1 %>%
  left_join(df2, by = 'branch') %>%
  mutate(Amt = replace(Amt, is.na(Amt), 0), 
         rev  = rev + Amt) %>%
  select(names(df1))

Answer 5

使用aggregate得到不同分支組中rev的總和。

library(magrittr)
colnames(df2)[2] <- "rev"
df1 <- rbind(df1, df2) %>% aggregate(rev ~ branch, ., FUN = sum)