R 中的條件合並/替換

Question

我有兩個數據框：

df1
x1  x2
1   a
2   b
3   c
4   d

和

df2
x1  x2
2   zz
3   qq

我想根據 df1$x1 和 df2$x2 之間的條件匹配將 df1$x2 中的一些值替換為 df2$x2 中的值，以產生：

df1
x1  x2
1   a
2   zz
3   qq
4   d

Answer 1

使用match() ，假設 df1 中的值是唯一的。

df1 <- data.frame(x1=1:4,x2=letters[1:4],stringsAsFactors=FALSE)
df2 <- data.frame(x1=2:3,x2=c("zz","qq"),stringsAsFactors=FALSE)

df1$x2[match(df2$x1,df1$x1)] <- df2$x2
> df1
  x1 x2
1  1  a
2  2 zz
3  3 qq
4  4  d

如果值不是唯一的，請使用：

for(id in 1:nrow(df2)){
  df1$x2[df1$x1 %in% df2$x1[id]] <- df2$x2[id]
}

Answer 2

Joris 回答的第一部分很好，但是在df1中的非唯一值的情況下，逐行 for 循環在大型 data.frames 上無法很好地擴展。

您可以使用data.table “更新加入”來修改，這將非常快：

library(data.table)
setDT(df1); setDT(df2)
df1[df2, on = .(x1), x2 := i.x2]

或者，假設您不關心維護行順序，您可以使用受 SQL 啟發的dplyr ：

library(dplyr)
union_all(
  inner_join( df1["x1"], df2 ), # x1 from df1 with matches in df2, x2 from df2
  anti_join(  df1, df2["x1"] )  # rows of df1 with no match in df2
) # %>% arrange(x1) # optional, won't maintain an arbitrary row order

這些中的任何一個都將比逐行 for 循環更好地擴展。

Answer 3

我們可以使用我的 package safejoin中的eat ，並在列沖突時將 rhs 中的匹配“修補”到 lhs 中。

# devtools::install_github("moodymudskipper/safejoin")
library(safejoin)
library(dplyr)

df1 <- data.frame(x1=1:4,x2=letters[1:4],stringsAsFactors=FALSE)
df2 <- data.frame(x1=2:3,x2=c("zz","qq"),stringsAsFactors=FALSE)

eat(df1, df2, .by = "x1", .conflict = "patch")
#   x1 x2
# 1  1  a
# 2  2 zz
# 3  3 qq
# 4  4  d

Answer 4

我看到 Joris 和 Aaron 都選擇在沒有因素的情況下構建示例。 我當然可以理解這種選擇。 對於已經是因素的列的讀者，還可以選擇強制轉換為“字符”。 有一種策略可以避免這種約束，並且還允許df2中可能存在不在df1中的索引的可能性，我認為這會使 Joris Meys 的解決方案無效，但 Aaron 迄今為止發布的解決方案不會：

df1 <- data.frame(x1=1:4,x2=letters[1:4])
df2 <- data.frame(x1=c(2,3,5), x2=c("zz", "qq", "xx") )

它需要擴展級別以包括兩個因子變量的交集，然后還需要在 match(df1$x1, df2$x1) 中刪除不匹配的列（= NA 值）

 df1$x2 <- factor(df1$x2 , levels=c(levels(df1$x2), levels(df2$x2)) )
 df1$x2[na.omit(match(df2$x1,df1$x1))] <- df2$x2[which(df2$x1 %in% df1$x1)]
 df1
#-----------
  x1 x2
1  1  a
2  2 zz
3  3 qq
4  4  d

（請注意，R 的最新版本在data.frame function 默認值中沒有將stringsAsFactors設置為 TRUE，這與 ZE1E1D3D40573127E9EE0480CAF1 的大部分歷史不同。）

Answer 5

它可以用dplyr來完成。

library(dplyr)

full_join(df1,df2,by = c("x1" = "x1")) %>% 
  transmute(x1 = x1,x2 = coalesce(x2.y,x2.x))

  x1 x2
1  1  a
2  2 zz
3  3 qq
4  4  d

Answer 6

您也可以通過匹配其他方式來做到這一點，但它更復雜。 Joris 的解決方案更好，但我將其放在這里也是為了提醒您考慮要匹配的方式。

df1 <- data.frame(x1=1:4, x2=letters[1:4], stringsAsFactors=FALSE)
df2 <- data.frame(x1=2:3, x2=c("zz", "qq"), stringsAsFactors=FALSE)
swap <- df2$x2[match(df1$x1, df2$x1)]
ok <- !is.na(swap)
df1$x2[ok] <- swap[ok]

> df1
  x1 x2
1  1  a
2  2 zz
3  3 qq
4  4  d

Answer 7

這里是新的，但使用以下 dplyr 方法似乎也有效
與上述答案之一相似但略有不同

df3 <- anti_join(df1, df2, by = "x1")
df3 <- rbind(df3, df2)
df3