在R中的合并中循环多个列

Question

我正在尝试循环合并多个列上的两个数据帧，但我遇到了代码问题，并且无法在 SO 上找到任何答案。以下是一些示例数据框：

box <- c(5,7,2)
year <- c(1999,1999,1999)
rep5 <- c(5,5,5)
rep7 <- c(7,7,7)
rep2 <- c(2,2,2)
df1 <- data.frame(box,year,rep5,rep7,rep2)

box1 <- c(5,5,5,5,7,7,7,7,2,2,2,2)
box2 <- c(5,7,2,5,5,7,2,4,5,7,2,9)
year2 <- c(1999,1999,1999,2000,1999,1999,1999,1999,1999,1999,1999,1999)
distance <- c(0,100,200,0,100,0,300,200,200,300,0,300)
df2 <- data.frame(box1,box2,year2,distance)

df1
  box year rep5 rep7 rep2
1   5 1999    5    7    2
2   7 1999    5    7    2
3   2 1999    5    7    2

df2
   box1 box2 year2 distance
1     5    5  1999        0
2     5    7  1999      100
3     5    2  1999      200
4     5    5  2000        0
5     7    5  1999      100
6     7    7  1999        0
7     7    2  1999      300
8     7    4  1999      200
9     2    5  1999      200
10    2    7  1999      300
11    2    2  1999        0
12    2    9  1999      300

我要做的是获取从 df2 到 df1 的距离信息，其中 df1 year 与 df2 year 匹配，df1 box 与 df2 box1 匹配，df1 rep[i] 与 df2 box2 匹配。我可以为单个 df1 rep[i] 列执行此操作，如下所示：

merge(df1, df2, by.x=c("box", "rep5", "year"), by.y=c("box1", "box2", "year2"), all.x = TRUE)

这给出了所需的输出：

  box rep5 year rep7 rep2 distance
1   2    5 1999    7    2      200
2   5    5 1999    7    2        0
3   7    5 1999    7    2      100

但是，为了单独为每个 rep[i] 列保存此操作（我在真实数据集中有很多这些列），我希望能够遍历这些列。这是我尝试这样做的代码：

reps <- c(df1$rep7, df1$rep2)
df3 <- for (i in reps) {merge(df1, df2, by.x=c("box", i, "year"), by.y=c("box1", "box2", "year2"), all.x = TRUE)}
df3

当我运行该代码时，我收到错误“fix.by(by.x, x) 中的错误：'by' 必须指定唯一有效的列。”我也尝试定义

reps <- c("rep7", "rep2")

当我使用该定义运行相同的代码时，我得到 df3 为 NULL 的结果。

我想要的输出（为清楚起见重命名了距离列）是：

  box year rep5 rep7 rep2 dist5 dist7 dist2
1   2 1999    5    7    2   200   300     0
2   5 1999    5    7    2     0   100   200
3   7 1999    5    7    2   100     0   300

我做错了什么？非常感谢您能给我的任何帮助！

Answer 1

当我了解库 dplyr 和 tidyr 以及 concept of tidy data sets 后，我的 R 生活变得轻松多了。您在上面尝试执行的操作可以表示为pivot，并且使用dplyr 和tidyr 很容易做到。

我假设你真正想要的是转 df2：

   box1 box2 year2 distance
1     5    5  1999        0
2     5    7  1999      100
3     5    2  1999      200
4     5    5  2000        0
5     7    5  1999      100
6     7    7  1999        0
7     7    2  1999      300
8     7    4  1999      200
9     2    5  1999      200
10    2    7  1999      300
11    2    2  1999        0
12    2    9  1999      300

进入您的输出，删除所有那些奇怪的重复：

  box year dist5 dist7 dist2
1   2 1999   200   300     0
2   5 1999     0   100   200
3   7 1999   100     0   300

因此，您应该将box2 旋转到列中，并将您的距离作为值。使用dplyr 和tidyr：

library(tidyr)
box1 <- c(5,5,5,5,7,7,7,7,2,2,2,2)
box2 <- c(5,7,2,5,5,7,2,4,5,7,2,9)
year2 <- c(1999,1999,1999,2000,1999,1999,1999,1999,1999,1999,1999,1999)
distance <- c(0,100,200,0,100,0,300,200,200,300,0,300)
df2 <- data.frame(box1,box2,year2,distance)

# reshape it as desired
spread(df2, box2, distance,fill=0)
#Source: local data frame [4 x 7]

#  box1 year2   2   4   5   7   9
#1    2  1999   0   0 200 300 300
#2    5  1999 200   0   0 100   0
#3    5  2000   0   0   0   0   0
#4    7  1999 300 200 100   0   0

我的建议：学会使用dplyr和tidyr。它让生活变得如此轻松。