合并优先于另一个的数据帧

Question

我有两个如下所示的共享列名的数据框，但信息可能会发生冲突。 （第一个数据帧有更多信息（范围 0-5），第二个有更少（范围 0 和 4）。 我使用 dplyr 或其他 R 包合并这两个数据帧，但我想做的是在可用时使用第一个数据帧中的信息，而当它不可用时，我使用第二个数据帧中的信息。

例如要合并的两个数据框是

标识 col1 col2 一个 0 0 乙 3 0 C 5 3 标识 col1 col2 一个 4 4 乙 0 0 C 4 4 0 4 E 4 4

合并后我想要的是：

标识 col1 col2 一个 4 4 乙 3 0 C 5 3 0 4 E 4 4

Answer 1

一个选项可以使用dplyr 和tidyr。首先将数据帧中的0 替换为NA，这有助于确定该值是否有效。 使用bind_rows 合并两个数据框。然后在ID 上分组，以便在该列上排列行。使用fill 从同一ID 的另一行替换NA。

# Data
df1 <- read.table(text="ID    col1   col2  
A      0      0
B      3      0
C      5      3", header = T, stringsAsFactors = F)

df2 <- read.table(text = "ID   col1    col2 
A     4       4
B     0       0
C     4       4
D     0       4
E     4       4", header = T, stringsAsFactors = F)

df1[df1==0] <- NA
df2[df2==0] <- NA

library(dplyr)
library(tidyr)

df1 %>% bind_rows(df2) %>%
  group_by(ID) %>%
  fill(col1, col2, .direction = "up")  %>%
  fill(col1, col2, .direction = "down") %>%
  unique() %>%
  filter((row_number() == 1)) 

#Result
#  ID     col1  col2
#  <chr> <int> <int>
#1 A         4     4
#2 B         3    NA
#3 C         5     3
#4 D        NA     4
#5 E         4     4

注意： NA 可以替换为0