[英]join / merge two data frames with flexible condition
我想我的問題可能不清楚,所以我試着澄清一下。 假設我有兩個要合並的數據框。 兩個數據框中的每一行都是唯一的公司。 兩個數據框還包含具有這些公司唯一標識符的特定列“id_1”和“id_2”。 我希望他們使用“id_1”和“id_2”加入\合並(數據幀)。 最小可重現示例 id 如下:
x <- structure(list(company = c("Apple", "Amazon", "BMW", "Audi"),
id_1 = c("789879978", NA_character_, "12312312", NA_character_),
id_2 = c("32132131", "987978987", NA_character_, NA_character_)),
.Names = c("company", "id_1", "id_2"), row.names = c(1:4), class = "data.frame")
y <- structure(list(id_1 = c("789879978111", "987654000", "12312312", "111123231"),
id_2 = c("32132131", "987978987", "098099808908", "9999999991"),
region = c("USA", "USA", "EU", "EU")),
.Names = c("id_1", "id_2", "region"), row.names = c(1:4), class = "data.frame")
所需的 output :
structure(list(company = c("Apple", "Amazon", "BMW", "Audi"),
id_1 = c("789879978", NA_character_, "12312312", NA_character_),
id_2 = c("32132131", "987978987", NA_character_, NA_character_),
region = c("USA", "USA", "EU", NA_character_)),
.Names = c("company", "id_1", "id_2", "region"), row.names = c(1:4), class = "data.frame")
正如您可能看到的,“x”數據框中的 Apple“id_1”與“y”數據框中的不同,因此我需要使用“id_2”來合並這些行。 亞馬遜也一樣,而寶馬的“id_2”在兩個數據幀中都是NA ,所以我不能使用“id_2”,所以我需要使用“id_1”。 假設由於某種原因我無法更改/修復它。 所以我需要同時使用“id_1”和“id_2”來合並數據幀。 問題是,如果我將兩列都指定為 merge() 和/或 left_join() 中的鍵,它將不起作用,因為它需要兩個指定列的值的完美匹配。 在我的情況下,我需要使用“id_1”(如果可以匹配)或“id_2”(如果我不能使用“id_1”進行合並)的組合。
我的問題是如何使用靈活的條件合並兩個數據框,即如果足以合並則使用“id_1”和/或如果我不能在“id_1”內合並則使用“id_2”
您可以嘗試這種方法:
library(tidyr)
library(dplyr)
x %>%
pivot_longer(-company) %>%
left_join(pivot_longer(y, - region)) %>%
pivot_wider(names_from = name, values_from = value) %>%
group_by(company) %>%
fill(!company, .direction = "downup") %>%
distinct()
#> Joining, by = c("name", "value")
#> # A tibble: 4 x 4
#> # Groups: company [4]
#> company region id_1 id_2
#> <chr> <chr> <chr> <chr>
#> 1 Apple USA 789879978 32132131
#> 2 Amazon USA <NA> 987978987
#> 3 BMW EU 12312312 <NA>
#> 4 Audi <NA> <NA> <NA>
由代表 package (v2.0.1) 於 2021 年 12 月 13 日創建
left_join(x, y[-2], by = "id_1") %>%
left_join(y[-1], by = "id_2") %>%
mutate(region = coalesce(region.x, region.y)) %>%
select(-c(region.x, region.y))
company id_1 id_2 region
1 Apple 789879978 32132131 USA
2 Amazon <NA> 987978987 USA
3 BMW 12312312 <NA> EU
4 Audi <NA> <NA> <NA>
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.