在 R 中合并和连接两个数据帧答案

【问题标题】：Merge and concatenate two data frames in R在 R 中合并和连接两个数据帧
【发布时间】：2015-03-20 00:52:25
【问题描述】：

我有两个数据框 A 和 B，看起来像：

firstDF:
col1 col2 id
A      1    2
B      5    3
C      6    4

secondDF:
col1 col2 id
A      1    2
E      15   5
F      16   6

Resultant DF:

col1 col2 id
A      1    2
B      5    3
C      6    4
E      15   5
F      16   6

生成的数据框必须包含来自两个数据框的所有行。如果存在具有相同 id 的行，则只能将其放入结果数据框中一次。

我尝试使用 rbind 函数，但它返回并合并了所有行。我尝试使用条件 x.id=y.id 的合并函数，但创建的结果数据框有多个列，即 x.col1、y.col1、x.col2、y.col2 等。

【问题讨论】：

标签： r

【解决方案1】：

您可以使用merge() 来做到这一点。

merge(df1, df2, by=c("col1", "col2", "id"), all.x=T, all.y=T)

这由所有公共变量合并，将所有记录保存在任一数据框中。或者，您可以省略 by= 参数，R 将自动使用所有公共变量。

正如评论中提到的@thelatemail，您可以选择使用all=T，而不是单独指定all.x=T 和all.y=T。

【讨论】：

我必须写下所有的列名？我有大约 20 列！
@user1692342：是否所有 20 个都出现在两个数据框中？我相信如果您省略 by= 参数，默认行为是使用所有公共变量。也许尝试一下，看看会发生什么。不过，您仍然需要all.x 和all.y。
合并成功，但是具有相同“id”的行重复
@user1692342：如果任一数据框中有重复的id 值，这是预期的，否则它没有意义，因为您正在合并id。如果需要，您可以对重复的 id 值进行子集化。使用subset(df, !duplicated(id))。
@AlexA.- all=TRUE 是同时指定 all.x=TRUE 和 all.y=TRUE 的简写

【解决方案2】：

您可以尝试sqldf 库。我不知道什么样的加入。但它会是这样的：

Result =sqldf("select a.col1, a.col2, a.id from firstDF as a join secondDF as b on a.id=b.id")

或者

X=rbind(firstDB, secondDB)

然后使用unique 函数过滤掉重复项。

【讨论】：

【解决方案3】：

使用 sqldf：

library(sqldf)

sqldf("select * from firstDF union select * from secondDF")

请注意，联合会自动删除重复项。

【讨论】：

【解决方案4】：

这可能不是最高效的答案，而是一种快速简便的方法——假设任何重复的行实际上都是完全重复的（即，对于 df1 中 col_1 = X 的任何行，如果存在df2 中 col_1 = X 的行，所有其他列在这两行之间也相同）- 将 rbind 并获得唯一的结果：

> df1
  col_1 col_2 id
1     A     1  2
2     B     5  3
3     C     6  4
> df2
  col_1 col_2 id
1     A     1  2
2     E    15  5
3     F    16  6
> unique(rbind(df1, df2))
  col_1 col_2 id
1     A     1  2
2     B     5  3
3     C     6  4
5     E    15  5
6     F    16  6

【讨论】：