使用 id 匹配和替换因子值

Question

我有两个数据框，它们都包含相同的变量和每个观察的唯一 ID。

df.1 是一个大型数据集，其中包含由 NA 表示的缺失值。这些缺失条目的值包含在 df.2 中，我想通过匹配 id 将 df.1 中的缺失值替换为 df.2 中的值。

我在这里找不到类似的问题，考虑到它们都是因子变量。

为了简单起见：如果 id 匹配 - df.1 中的缺失值应替换为 df.2 中的因子值。

df.1 <- data.frame(id = c(334,440,501,2304,2500), 
                v1 = c("4 dogs",NA,"3 dogs",NA,"No dogs"))

df.2 <- data.frame(id = c(440,2304), 
                v2 = c("4 dogs","5 dogs"))

非常感谢您的帮助。

Answer 1

正如@Gregor 提到的，您可以将 df 转换回因子。这里方便的功能是@MrFlick 的coalesce 功能。解决方案一目了然

library(dplyr)

df.1 %>%
  left_join(df.2, by = "id") %>%
  mutate_if(is.factor, as.character) %>%
  mutate(final = coalesce(v1, v2))  %>% mutate_if(is.character, as.factor)

输出

   id      v1     v2   final
1  334  4 dogs   <NA>  4 dogs
2  440    <NA> 4 dogs  4 dogs
3  501  3 dogs   <NA>  3 dogs
4 2304    <NA> 5 dogs  5 dogs
5 2500 No dogs   <NA> No dogs

将上述结果存储在一个变量（df）中，然后检查str(df)

'data.frame':   5 obs. of  4 variables:
 $ id   : num  334 440 501 2304 2500
 $ v1   : Factor w/ 3 levels "3 dogs","4 dogs",..: 2 NA 1 NA 3
 $ v2   : Factor w/ 2 levels "4 dogs","5 dogs": NA 1 NA 2 NA
 $ final: Factor w/ 4 levels "3 dogs","4 dogs",..: 2 2 1 3 4

如果您想删除 v1 和 v2 列，只需将最终结果通过管道传输到 %>% select(id,final)

希望它有效。

Answer 2

使用data.table 和dplyr：-

library(data.table)
library(dplyr)
df <- left_join(df.1, df.2, by = "id")
setDT(df)
df[is.na(v1), v1 := v2]
df[, v2 := NULL]

你会得到想要的输出：-

     id      v1
1:  334  4 dogs
2:  440  4 dogs
3:  501  3 dogs
4: 2304  5 dogs
5: 2500 No dogs

到目前为止，id 将是数字，v1 将是因子。如果您想将id 也转换为因子。你可以这样做：-

df[, id := as.factor(id)]

Answer 3

使用tidyverse 方法，您有两种解决方案：

第一个解决方案：

library(dplyr)
df.1 <- data.frame(id = c(334,440,501,2304,2500), 
                   v1 = c("4 dogs",NA,"3 dogs",NA,"No dogs"),stringsAsFactors=F) 

df.2 <- data.frame(id = c(440,2304), 
                   v2 = c("4 dogs","5 dogs"),stringsAsFactors=F) %>% 
    rename(v1=v2)

df_mix <- bind_rows(df.1,df.2) %>% 
    drop_na(...=v1)

第二种解决方案：

df.1 <- data.frame(id = c(334,440,501,2304,2500), 
                   v1 = c("4 dogs",NA,"3 dogs",NA,"No dogs"),stringsAsFactors=F)

df.2 <- data.frame(id = c(440,2304), 
                   v2 = c("4 dogs","5 dogs"),stringsAsFactors=F) 

df_mix <- left_join(df.1,df.2,by="id") %>% 
    mutate(v1=case_when(
        is.na(v1) ~ v2,
        !is.na(v1) ~ v1
    )) %>% 
    select(1:2)

PS：我更喜欢将字符串作为字符向量加载

Answer 4

您可以加入df.1 和df.2 以将v1 和v2 保留在合并的data.frame 中。将缺少的v1 替换为v2 的运行逻辑。

library(dplyr)

df.1 <- data.frame(id = c(334,440,501,2304,2500), 
                   v1 = c("4 dogs",NA,"3 dogs",NA,"No dogs"))

df.2 <- data.frame(id = c(440,2304), 
                   v2 = c("4 dogs","5 dogs"))
#merge using left_join to keep all rows from df.1
final <- df.1 %>%
  left_join(df.2, by = "id")
#> final
#    id      v1     v2
#1  334  4 dogs   <NA>
#2  440    <NA> 4 dogs
#3  501  3 dogs   <NA>
#4 2304    <NA> 5 dogs
#5 2500 No dogs   <NA>

#Define a function to replace missing v1
replMissing <- function(x, y){
  ifelse(is.na(x), y, x )
}

#call replMissing function using mapply. Modified to handle factor
final$v1 <- as.factor(mapply(replMissing, as.character(final$v1), as.character(final$v2)))

#results is
#> final
#    id      v1     v2
#1  334  4 dogs   <NA>
#2  440  4 dogs 4 dogs
#3  501  3 dogs   <NA>
#4 2304  5 dogs 5 dogs
#5 2500 No dogs   <NA>

现在可以删除v2 列