从另一个更长的数据帧向 R 数据帧添加新列答案

【问题标题】：Adding new columns to R dataframe from another, longer dataframe从另一个更长的数据帧向 R 数据帧添加新列
【发布时间】：2021-04-21 00:25:58
【问题描述】：

我有 2 个具有不同信息的数据帧（两个数据帧中只有 1 列相同：subject）。此外，其中一个数据框比另一个更长（更多列和更多行）。

所以，我有这样的事情：

# drataframe 1

subject var1 var2
101      A    B
102      C    D
103      E    F
...

# dataframe 2

subject  varW varX varY varZ
101        1    2    1    4
101        2    1    1    4
101        4    1    1    4
102        2    1    2    5
102        1    1    2    5
102        2    4    2    5
103        2    3    3    1
103        1    2    3    1
103        4    1    3    1

请注意，每个主题在数据框 2 中重复多次，而在数据框 1 中，每个主题只出现一次。

我想要做的是将列 varY 和 varZ 附加到数据框 1。

我尝试使用select（选择这两列）然后inner_join（加入两个数据框）。但是，我为每个主题得到 3 行，因为每个主题在数据框 2 中重复 3 次。我希望数据框 1 中的每个主题在加入后只有 1 行，因为 varY 和 @ 中只有一个值每个主题987654328@。

换句话说，这将是我想要的输出：

subject var1 var2 varY varZ
101      A    B    1    4
102      C    D    2    5
103      E    F    3    1

【问题讨论】：

标签： r dataframe

【解决方案1】：

使用library(data.table)

df1[df2[, .SD[1], .SDcols=c("varY", "varZ"), by=subject], on="subject"]

或者（来自@thelatemail 的评论），

df2[, .(subject, varY, varZ)][df1, on=.(subject), mult="first"]

数据：

df1 = fread("
subject var1 var2
101      A    B
102      C    D
103      E    F
            ")

df2 = fread("
subject  varW varX varY varZ
101        1    2    1    4
101        2    1    1    4
101        4    1    1    4
102        2    1    2    5
102        1    1    2    5
102        2    4    2    5
103        2    3    3    1
103        1    2    3    1
103        4    1    3    1 
")

【讨论】：

替代方案，避免分组by= - df2[, .(subject, varY, varZ)][df1, on=.(subject), mult="first"]

【解决方案2】：

如果selected 列具有唯一值，则使用distinct 并通过“主题”进行连接

library(dplyr)
distinct(df2, subject, varY, varZ) %>%
     right_join(df1) %>%
     select(names(df1), everything())

-输出

#   subject var1 var2 varY varZ
#1     101    A    B    1    4
#2     102    C    D    2    5
#3     103    E    F    3    1

数据

df1 <- structure(list(subject = 101:103, var1 = c("A", "C", "E"),
var2 = c("B", 
"D", "F")), class = "data.frame", row.names = c(NA, -3L))

df2 <- structure(list(subject = c(101L, 101L, 101L, 102L, 102L, 102L, 
103L, 103L, 103L), varW = c(1L, 2L, 4L, 2L, 1L, 2L, 2L, 1L, 4L
), varX = c(2L, 1L, 1L, 1L, 1L, 4L, 3L, 2L, 1L), varY = c(1L, 
1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L), varZ = c(4L, 4L, 4L, 5L, 5L, 
5L, 1L, 1L, 1L)), class = "data.frame", row.names = c(NA, -9L
))

【讨论】：

【解决方案3】：

我希望这是你想要的：

library(dplyr)
library(tidyr)

df2 %>%
  left_join(df1, by = "subject") %>%
  select(-c(varX, varW)) %>%
  group_by(subject) %>%
  slice_head(n = 1) %>%
  relocate(subject, var1, var2)

# A tibble: 3 x 5
# Groups:   subject [3]
  subject var1  var2   varY  varZ
    <dbl> <chr> <chr> <dbl> <dbl>
1     101 A     B         1     4
2     102 C     D         2     5
3     103 E     F         3     1

数据

df2 <- tribble(
  ~subject,  ~varW, ~varX, ~varY, ~varZ,
  101,        1,    2,    1,    4,
  101,        2,    1,    1,    4,
  101,        4,    1,    1,    4,
  102,        2,    1,    2,    5,
  102,        1,    1,    2,    5,
  102,        2,    4,    2,    5,
  103,        2,    3,    3,    1,
  103,        1,    2,    3,    1,
  103,        4,    1,    3,    1
)

df1 <- tribble(
  ~subject, ~var1, ~var2,
  101,      "A",    "B",
  102,      "C",    "D",
  103,      "E",    "F"
)

【讨论】：