R：合并2个数据帧，其中一个重复测量，在适当的地方保留NA

Question

假设我有 2 个数据框想要merge。 df1 对每个样本进行了重复测量（我实际上不知道有多少，并且每个样本可能不同），而 df2 对于相同的样本只有一个测量值。

作为 MWE，如下所示：

> df1=data.frame(letter=rep(LETTERS[1:5],each=3), val1=1:15)
> df2=data.frame(letter=LETTERS[1:5], val2=16:20)
> df1
   letter val1
1       A    1
2       A    2
3       A    3
4       B    4
5       B    5
6       B    6
7       C    7
8       C    8
9       C    9
10      D   10
11      D   11
12      D   12
13      E   13
14      E   14
15      E   15
> df2
  letter val2
1      A   16
2      B   17
3      C   18
4      D   19
5      E   20

我想merge 他们以反映这一点。到目前为止，我可以做到：

> merge(df1, df2)
   letter val1 val2
1       A    1   16
2       A    2   16
3       A    3   16
4       B    4   17
5       B    5   17
6       B    6   17
7       C    7   18
8       C    8   18
9       C    9   18
10      D   10   19
11      D   11   19
12      D   12   19
13      E   13   20
14      E   14   20
15      E   15   20

但理想情况下，我需要这个：

> merge(df1, df2, all=T)
   letter rep val1 val2
1       A   1    1   16
2       A   2    2   NA
3       A   3    3   NA
4       B   1    4   17
5       B   2    5   NA
6       B   3    6   NA
7       C   1    7   18
8       C   2    8   NA
9       C   3    9   NA
10      D   1   10   19
11      D   2   11   NA
12      D   3   12   NA
13      E   1   13   20
14      E   2   14   NA
15      E   3   15   NA

但是我从一开始就没有 rep 列，所以我应该添加它，但我不知道如何...或者，也许 merge 有一些选项只列出第一个匹配项val2 专栏...

有什么帮助吗？这应该很容易，但我进入循环并检查以添加 rep 列，这可能不是这样。

Answer 1

我们可以将两个数据集连接在一起并创建一个rep 列，该列是每个letter 的行号，然后将val2 转换为NA，第一行除外。

library(dplyr)

inner_join(df1, df2, by = 'letter') %>% 
  group_by(letter) %>% 
  mutate(rep = row_number(), 
         val2 = replace(val2, -1, NA))

#  letter  val1  val2   rep
#   <chr>  <int> <int> <int>
# 1 A          1    16     1
# 2 A          2    NA     2
# 3 A          3    NA     3
# 4 B          4    17     1
# 5 B          5    NA     2
# 6 B          6    NA     3
# 7 C          7    18     1
# 8 C          8    NA     2
# 9 C          9    NA     3
#10 D         10    19     1
#11 D         11    NA     2
#12 D         12    NA     3
#13 E         13    20     1
#14 E         14    NA     2
#15 E         15    NA     3

要替换多个这样的 val 列而不一一明确提及它们，我们可以使用 across ：

inner_join(df1, df2, by = 'letter') %>% 
  group_by(letter) %>% 
  mutate(rep = row_number(), 
         across(val2:valn, ~replace(., -1, NA)))

---

在基础 R 中：

df3 <- merge(df1, df2)
cols <- c('val2')
df3[duplicated(df3[c('letter', cols)]), cols] <- NA

Answer 2

这是一个基本版本，只需要知道不替换为 NA 的列。

merged <- merge(df1, df2, by = "letter")
do_not_clean <- "letter"
nms <- setdiff(names(merged), do_not_clean)
spl <- by(merged, merged$letter, function(y) {
  y[nms] <- lapply(y[nms], function(x) replace(x, duplicated(x), NA))
  y$rep <- seq_len(nrow(y))
  y
})
out <- do.call(rbind, spl)
out
#      letter val1 val2 rep
# A.1       A    1   16   1
# A.2       A    2   NA   2
# A.3       A    3   NA   3
# B.4       B    4   17   1
# B.5       B    5   NA   2
# B.6       B    6   NA   3
# C.7       C    7   18   1
# C.8       C    8   NA   2
# C.9       C    9   NA   3
# D.10      D   10   19   1
# D.11      D   11   NA   2
# D.12      D   12   NA   3
# E.13      E   13   20   1
# E.14      E   14   NA   2
# E.15      E   15   NA   3

Answer 3

您可以使用merge 函数将它们合并：

library(dplyr)


df3 <- merge(df1, df2, by = "letter", all = T) %>% 
  group_by(letter) %>% 
  mutate(rep = row_number(),
         val2 = replace(val2, -1, NA))


df3
# A tibble: 15 x 4
# Groups:   letter [5]
   letter  val1  val2   rep
   <chr>  <int> <int> <int>
 1 A          1    16     1
 2 A          2    NA     2
 3 A          3    NA     3
 4 B          4    17     1
 5 B          5    NA     2
 6 B          6    NA     3
 7 C          7    18     1
 8 C          8    NA     2
 9 C          9    NA     3
10 D         10    19     1
11 D         11    NA     2
12 D         12    NA     3
13 E         13    20     1
14 E         14    NA     2
15 E         15    NA     3