如何通过每个观察的不同变量连接（合并）数据框答案

【问题标题】：How to join (merge) data frames by different variables for each observation如何通过每个观察的不同变量连接（合并）数据框
【发布时间】：2020-10-16 11:46:35
【问题描述】：

假设我有两个如下数据框：

df1 <- data.frame(
    X = c(1,2,2),
    Y = c("a","b","c"),
    Z = c(10,20,30)
)

df2 <- data.frame(
  X = c(1,2,2,4),
  Y = c(NA,"b","c","d"),
  W = c(-1,-2,-3,-4)
)

我想同时使用 X 和 Y 在 df2 上加入 df1。但对于第一次观察，我只使用 X。最后我想得到：

df3 <- data.frame(
  X = c(1,2,2,4),
  Y = c(NA,"b","c","d"),
  W = c(-1,-2,-3,-4),
  Z = c(10,20,30,NA)
)

使用 left_join 或 full_join 无法做到这一点。

【问题讨论】：

那是你的真实代码吗？ df3 中缺少逗号。
当你说“第一个”观察时，它是基于两个数据集上的 by 变量
不是我的真实代码。在df3中包含逗号
如果df2$Y 的second 元素是NA，您的预期输出是什么？（Z 会是什么？）
如果其中一个答案解决了您的问题，请accept it；这样做不仅为回答者提供了一些积分，而且还为有类似问题的读者提供了一些关闭。尽管您只能接受一个答案，但您可以选择对您认为有帮助的人进行投票。（如果仍有问题，您可能需要编辑您的问题并提供更多详细信息。）

标签： r dataframe merge left-join

【解决方案1】：

您可以分两步完成此操作。首先，使用 X 和 Y 在 df1 上左连接 df2。其次，将 Z 中的任何缺失值替换为仅基于 X 的 df1 中的相应值。但这只有在 X 中没有重复项时才有效。

df4 <- merge(df2, df1, all.x=TRUE); df4
#  X    Y  W  Z
#1 1 <NA> -1 NA # <-- this guy could not match, since Y was NA
#2 2    b -2 20
#3 2    c -3 30
#4 4    d -4 NA

ind <- df4$X[is.na(df4$Z)] # returns the indices 1 4
df4$Z[ind] <- df1$Z[ind]
df4
#  X    Y  W  Z
#1 1 <NA> -1 10
#2 2    b -2 20
#3 2    c -3 30
#4 4    d -4 NA

如果 df2$Y 包含任何重复的 X 的 NA，则解是不确定的。

【讨论】：

【解决方案2】：

不是最优雅的，但我不知道如何做（好）条件连接：

full_join(df2, df1, by = c("X", "Y")) %>%
  filter(!is.na(W)) %>%
  group_by(grp = is.na(Y)) %>%
  do({
    dat <- .
    if (is.na(dat$Y[1])) {
      left_join(dat, select(df1, -Y), by = "X") %>%
        mutate(Z = coalesce(Z.x, Z.y)) %>%
        select(-starts_with("Z."))
    } else dat
  }) %>%
  ungroup() %>%
  select(-grp) %>%
  arrange(X, Y)
# # A tibble: 4 x 4
#       X Y         W     Z
#   <dbl> <chr> <dbl> <dbl>
# 1     1 <NA>     -1    10
# 2     2 b        -2    20
# 3     2 c        -3    30
# 4     4 d        -4    NA

【讨论】：