通过插入两个原始数据帧中每一个的列将两个数据帧合并为一个答案

【问题标题】：Combine two dataframes into one by intercalating the columns of each one of the two original dataframes通过插入两个原始数据帧中每一个的列将两个数据帧合并为一个
【发布时间】：2021-06-22 06:52:09
【问题描述】：

所以我有两个数据框，df1 和 df2，它们都有相同的列数（并且具有相同的名称）但行数不同。我想将它们组合成一个大数据框，其中第一列是 df1 的第一列，第二列是 df2 的第一列，第三列是 df1 的第二列，第四列是 df2 的第二列，等等。

【问题讨论】：

您能否添加一个可重现的示例？这意味着拥有代码和数据的简化版本，以便人们可以尝试运行它。想了解更多细节可以参考这个link

标签： r

【解决方案1】：

使用内置的BOD 数据框构造样本df1 和df2 输入。

然后遍历列将每个列的第 j 列转换为 ts 系列（因为 ts 系列即使具有不同的行数也可以被 cbind'ed），然后 cbind 并将其转换为数据框。最后给它起个好听的名字。不使用任何包。

# test data
df1 <- BOD  # 6x2 data frame w Time and demand col names
df2 <- head(10 * BOD, 3) # 3x2 data frame w same names

nc <- ncol(df1)
out <- do.call("data.frame", lapply(1:nc, function(j) cbind(ts(df1[,j]), ts(df2[,j]))))
names(out) <- make.names(rep(names(df1), each = 2), unique = TRUE)

out

给予：

  Time Time.1 demand demand.1
1    1     10    8.3       83
2    2     20   10.3      103
3    3     30   19.0      190
4    4     NA   16.0       NA
5    5     NA   15.6       NA
6    7     NA   19.8       NA

【讨论】：

【解决方案2】：

使用iris 数据集的base 解决方案。

首先，重命名列以使列按顺序命名。其次，有两个数据框，df1 和df2，在它们中创建一个虚拟变量作为键。第三，left-join df1 和 df2 基于 dummy（merge 和 all.x = TRUE 参数）。第四，删除 dummy，第五，重新排列你的列。

df <- iris
names(df) <- paste0("column",c("A", "B", "C", "D", "E"))
head(df)
df1 <- df[1:10,] #first data frame
df2 <- df[11:16,] #second data frame different number of rows
df1$dummy <- 1:nrow(df1) #Creating a dummy variable for merging
df2$dummy <- 1:nrow(df2) #Creating a dummy variable for merging

result <- base::merge(df1, df2, by  = "dummy", all.x = TRUE) #merging per dummy
result$dummy<- NULL # I don't need dummy anymore

result[,sort(names(result))] #Your result

#Output
   columnA.x columnA.y columnB.x columnB.y columnC.x columnC.y columnD.x columnD.y columnE.x columnE.y
1        5.1       5.4       3.5       3.7       1.4       1.5       0.2       0.2    setosa    setosa
2        4.9       4.8       3.0       3.4       1.4       1.6       0.2       0.2    setosa    setosa
3        4.7       4.8       3.2       3.0       1.3       1.4       0.2       0.1    setosa    setosa
4        4.6       4.3       3.1       3.0       1.5       1.1       0.2       0.1    setosa    setosa
5        5.0       5.8       3.6       4.0       1.4       1.2       0.2       0.2    setosa    setosa
6        5.4       5.7       3.9       4.4       1.7       1.5       0.4       0.4    setosa    setosa
7        4.6        NA       3.4        NA       1.4        NA       0.3        NA    setosa      <NA>
8        5.0        NA       3.4        NA       1.5        NA       0.2        NA    setosa      <NA>
9        4.4        NA       2.9        NA       1.4        NA       0.2        NA    setosa      <NA>
10       4.9        NA       3.1        NA       1.5        NA       0.1        NA    setosa      <NA>

【讨论】：

【解决方案3】：

# load packages
library(tidyverse)

# define function to allow cbinding DFs of different length
# taken from: https://stackoverflow.com/a/7962286
cbind.fill <- function(...){
  nm <- list(...) 
  nm <- lapply(nm, as.matrix)
  n <- max(sapply(nm, nrow)) 
  do.call(cbind, lapply(nm, function (x) 
    rbind(x, matrix(, n-nrow(x), ncol(x))))) 
}

# make some sample DFs
df1 <- data.frame(a = 1:3, b = 4:6)
df2 <- data.frame(a = 1:5, b = 6:10)

# merge them and reorder collate col positions
cbind.fill(df1, df2) %>% 
  as_tibble(.name_repair = "unique") %>%
  select(c(seq(1, ncol(.), 2), seq(2, ncol(.), 2)))
#> New names:
#> * a -> a...1
#> * b -> b...2
#> * a -> a...3
#> * b -> b...4
#> # A tibble: 5 x 4
#>   a...1 a...3 b...2 b...4
#>   <int> <int> <int> <int>
#> 1     1     1     4     6
#> 2     2     2     5     7
#> 3     3     3     6     8
#> 4    NA     4    NA     9
#> 5    NA     5    NA    10

^{由reprex package (v1.0.0) 于 2021-03-25 创建}

【讨论】：