[英]Dealing with duplicated columns using full_join in R
下午好!
我目前正在使用 R 處理數據操作任務,並面臨兩難境地。
周圍有兩張桌子,我的目標是使用特定的鍵連接這些桌子。
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)
我選擇了 full_join 運算符,因為它在理論上完美地解決了任務:
table3 <- full_join(table1, table2, by = c("Name", "ID", "PDN"))
一切都是正確的,因為這兩個表中所有重復的列都被選為鍵。
但是,如果我需要 select 作為鍵僅特定列名,並選擇 full_join,R 將復制在表中重復的列,這不是我所期望的。
table3 <- full_join(table1, table2, by = c("Name", "ID")) #"PDN" was removed
是否可以在特定列上運行連接,而不是在兩個表中全部重復而不會得到重復的結果?
預期結果:我想只使用兩個鍵(c(“Name”,“ID”))從兩個表中獲得完全連接,其中顯示“PDN”列但在結果部分(PDN.x 和 PDN)中不重復.y 不在附近)。
先感謝您! 非常感謝任何幫助!
這有幫助嗎? 與完全連接相同的 output 以不同的順序。 我沒有指定 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")
我還想不出一種方法來讓 R 將 PDN 列與 Sum 列區別對待,而沒有給出一些跡象表明它應該被視為鍵和/或其他應該被視為值。
編輯 - 這並不優雅,但您可以采取的另一種方法是進行您想要的加入,然后“在帖子中修復它”。 這里通過重新整形 long,從列名中刪除任何“.x”或“.y”,過濾第一個非 NA,然后再次旋轉寬來完成。
但這肯定更糟。 :-)
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
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.