我有两张大桌子。一个带有标识符（未排序），另一个带有标识符列表（包含第一个表中的所有标识符）以及一个变量的关联值。 我想在我的第一个表中添加一列，其中包含第二个表中的关联值。有没有一种聪明的方法可以继续使用 R 的实现功能？
即
table 1
id
8979786
62782
6268768
6776566
table 2
id var
1 5
2 2
3 NA
…
9999999 6
结果应该是
table1
id var
8979786 5
62782 NA
6268768 7
4776566 4
提前致谢
【问题讨论】：
标签： r dataframe merging-data
所以id 列在两个表中？你可以merge他们一起：merge(table1, table2, sort = FALSE)。有许多可供探索的合并选项可让您模拟不同类型的连接，类似于 SQL 中的内、左、右和外连接。我在此处添加了附加参数sort，以保留table1的原始顺序。
如果表 1 中有 id 而表 2 中没有 id，并且您想为它们显示 NA，请添加 all.x = TRUE 作为参数。这相当于左连接。 all.y 是右连接，all = TRUE 相当于完全外连接。
可重现的例子：
> set.seed(1)
> table1 <- data.frame( id = sample(1:5, 5, FALSE))
> table1
id
1 2
2 5
3 4
4 3
5 1
> table2 <- data.frame( id = 1:5, var = rnorm(5))
> table2
id var
1 1 1.2724293
2 2 0.4146414
3 3 -1.5399500
4 4 -0.9285670
5 5 -0.2947204
> merge(table1, table2, sort = FALSE)
id var
1 2 0.4146414
2 5 -0.2947204
3 4 -0.9285670
4 3 -1.5399500
5 1 1.2724293
【讨论】：
table2[match(table1$id,table2$id),] 甚至只是 table2[table1$id,] 如果 id 真的从 1 变为 n。
这是一种执行此操作的 data.table 方式，以防数据很大且速度成为问题。更多信息请参考?data.table的帮助页面：
当 i 是 data.table 时，x（即外部 data.table）必须有一个 钥匙。 i（即内部 data.table）使用键连接到 x 和 返回 x 中匹配的行。执行等值连接 在 i 中的每一列到 x 的键中的每一列之间。比赛是一场 在 O(log n) 时间内在编译的 C 中进行二进制搜索。如果我有更少的列 比 x 的键，那么 x 的许多行可能与 i 的每一行匹配。如果我有 列多于 x 的键，i 的列不参与 join 包含在结果中。如果我也有钥匙，那就是我的钥匙 用于匹配 x 的键列和二进制合并的列
执行两个表中的一个。
请注意，我稍微调整了 Chase 提供的示例数据，以使 data.table 中的某些匹配点更加明显：
require(data.table)
#Version 1.7.7
set.seed(1)
table1 <- data.table(id = sample(3:7, 5, FALSE), var1 = rnorm(5), key="id")
table2 <- data.table(id = 5:10, var2 = rnorm(6), key="id")
#Default: If id in table 1 is not in table 2, return NA
table2[table1]
# id var2 var1
# [1,] 3 NA -0.2947204
# [2,] 4 NA 1.2724293
# [3,] 5 -0.005767173 -0.9285670
# [4,] 6 2.404653389 -1.5399500
# [5,] 7 0.763593461 0.4146414
#If one wants to get rid of the NAs
table2[table1, nomatch=0]
# id var2 var1
# [1,] 5 -0.005767173 -0.9285670
# [2,] 6 2.404653389 -1.5399500
# [3,] 7 0.763593461 0.4146414
#Or the other way around: get all ids of table 2
table1[table2]
# id var1 var2
# [1,] 5 -0.9285670 -0.005767173
# [2,] 6 -1.5399500 2.404653389
# [3,] 7 0.4146414 0.763593461
# [4,] 8 NA -0.799009249
# [5,] 9 NA -1.147657009
# [6,] 10 NA -0.289461574
强制性速度测试：
set.seed(10)
df1 <- data.frame(id = sample(1:5e6, 5e6, FALSE))
df2 <- data.frame(id = sample(1:5e6, 5e6, FALSE), var = rnorm(5e6))
system.time(df_solution <- merge(df1, df2, sort = TRUE))
# user system elapsed
# 33.10 0.32 33.54
merge_dt <- function(df1, df2) {
dt1 <- setkey(as.data.table(df1), "id")
dt2 <- setkey(as.data.table(df2), "id")
return(dt1[dt2])
}
system.time(dt_solution <- merge_dt(df1, df2))
# user system elapsed
# 12.94 0.01 12.95
all.equal(df_solution, as.data.frame(dt_solution))
#[1] TRUE
还有我一贯的免责声明：我还在学习很多关于这个包的知识，所以你可以在package homepage找到更好的信息。
【讨论】：
我刚刚实现了一个解决这个问题的函数（合并两个 data.frame 对象，同时保持两个对象之一的顺序），您可以在此处查看其使用的代码和示例：
http://www.r-statistics.com/2012/01/merging-two-data-frame-objects-while-preserving-the-rows-order/
【讨论】：