data.table 合并产生额外的列 [R]

Question

下面我定义了一个尺寸为 12x5 的主数据集。我把它分成四个data.tables，我想合并它们。 data.tables 之间没有行 ID 重叠，并且某些列名重叠。当我合并它们时，merge() 无法识别列名匹配，并为每个 data.table 中的每一列创建新列。最终合并的 data.table 应该是 12x5，但它是 12x7。我认为data.table的merge()中的all=TRUE命令可以解决这个问题。

library(data.table)

a <- data.table(id = c(1, 2, 3),  C1 = c(1, 2, 3))
b <- data.table(id = c(4, 5, 6),  C1 = c(1, 2, 3),  C2 = c(2, 3, 4))
c <- data.table(id = c(7, 8, 9),  C3 = c(5, 2, 7))
d <- data.table(id = c(10, 11, 12),  C3 = c(8, 2, 3), C4 = c(4, 6, 8))

setkey(a, "id")
setkey(b, "id")
setkey(c, "id")
setkey(d, "id")

final <- merge(a, b,  all = TRUE)
final <- merge(final, c,  all = TRUE)
final <- merge(final, d,  all = TRUE)

names(final)
dim(final)  #outputs correct numb of rows, but too many columns

Answer 1

问题在于您使用“合并”功能的方式。 data.table 包中的“合并”功能默认通过“它们之间的共享键列”合并两个数据表。假设您像这样创建“a”和“b”数据表：

library(data.table)
a <- data.table(id = c(1, 2, 3),  C1 = c(1, 2, 3))
b <- data.table(id = c(4, 5, 6),  C1 = c(1, 2, 3),  C2 = c(2, 3, 4))
setkey(a, "id")
setkey(b, "id")

'a' 会变成这样：

   id C1
1:  1  1
2:  2  2
3:  3  3

'b' 会变成这样：

   id C1 C2
1:  4  1  2
2:  5  2  3
3:  6  3  4

现在，让我们先试试你的代码：

merge(a, b,  all = TRUE)

这是结果：

   id C1.x C1.y C2
1:  1    1   NA NA
2:  2    2   NA NA
3:  3    3   NA NA
4:  4   NA    1  2
5:  5   NA    2  3
6:  6   NA    3  4

这是因为“merge”函数仅将“id”字段（数据表“a”和“b”之间的共享键）作为合并列，同时将所有非共享列添加到结果中数据表。现在让我们尝试指定要合并的列：

merge(a, b, by=c("id","C1"), all = TRUE)

现在结果将是：

   id C1 C2
1:  1  1 NA
2:  2  2 NA
3:  3  3 NA
4:  4  1  2
5:  5  2  3
6:  6  3  4

同样适用于您调用的其他合并函数。所以试试这个：

final <- merge(a, b, by=c("id","C1"), all = TRUE)
final <- merge(final, c, by="id", all = TRUE)  #here you don't necessarily need to specify by...
final <- merge( final, d, by=c("id","C3"),all=TRUE)

dim(final)
[1] 12  5