使用 dplyr 连接两个数据帧时可以替换 NA 吗？答案

【问题标题】：Can I replace NAs when joining two data frames with dplyr?使用 dplyr 连接两个数据帧时可以替换 NA 吗？
【发布时间】：2016-08-23 20:32:19
【问题描述】：

我想加入两个数据框。一些列名重叠，并且在数据框的重叠列之一中有NA 条目。这是一个简化的例子：

df1 <- data.frame(fruit = c('apples','oranges','bananas','grapes'), var1 = c(1,2,3,4), var2 = c(3,NA,6,NA), stringsAsFactors = FALSE)
df2 <- data.frame(fruit = c('oranges','grapes'), var2=c(5,6), var3=c(7,8), stringsAsFactors = FALSE)

我是否可以使用 dplyr 连接函数来连接这些数据框并自动优先处理非NA 条目，以便让“var2”列在连接的数据框中没有NA 条目？就像现在一样，如果我调用left_join，它会保留NA 条目，如果我调用full_join，它会复制行。

示例数据

> df1
    fruit var1 var2
1  apples    1    3
2 oranges    2   NA
3 bananas    3    6
4  grapes    4   NA
> df2
    fruit var2 var3
1 oranges    5    7
2  grapes    6    8

【问题讨论】：

标签： r dplyr

【解决方案1】：

coalesce 可能是您需要的。它用对应位置的第二个向量的值填充第一个向量的 NA：

library(dplyr)
df1 %>% 
        left_join(df2, by = "fruit") %>% 
        mutate(var2 = coalesce(var2.x, var2.y)) %>% 
        select(-var2.x, -var2.y)

#     fruit var1 var3 var2
# 1  apples    1   NA    3
# 2 oranges    2    7    5
# 3 bananas    3   NA    6
# 4  grapes    4    8    6

或者使用data.table，它会进行就地替换：

library(data.table)
setDT(df1)[setDT(df2), on = "fruit", `:=` (var2 = i.var2, var3 = i.var3)]
df1
#      fruit var1 var2 var3
# 1:  apples    1    3   NA
# 2: oranges    2    5    7
# 3: bananas    3    6   NA
# 4:  grapes    4    6    8

【讨论】：

感谢您的回答！对于 dplyr 解决方案，如果有多个重叠列，是否有办法让 mutate 步骤从 x 和 y 合并所有具有相同名称的列？
一种更通用的无需对列进行硬编码的方法可能是在合并后重塑数据。这是我可以提供的示例df1 %>% left_join(df2, by = "fruit") %>% reshape(varying = 3:4, dir = "long") %>% group_by(fruit, var1, var3) %>% summarise_each(funs(na.omit(.)), -id, -time)。

【解决方案2】：

将 purrr 与 dplyr 一起使用可能是应用于多列的解决方案：

library(purrr)
library(dplyr)

df<-left_join(df1,df2,by="fruit")
map2_dfr(df[3],df[4],~ifelse(is.na(.x),.y,.x)) %>% 
bind_cols(df[c(1,2,5)],.)

    fruit var1 var3 var2.x
1  apples    1   NA      3
2 oranges    2    7      5
3 bananas    3   NA      6
4  grapes    4    8      6

【讨论】：