根据列值合并不同的数据框答案

【问题标题】：Merging different data frames depending on column value根据列值合并不同的数据框
【发布时间】：2018-07-31 21:00:55
【问题描述】：

我有一个数据框df1

df1<- data.frame(ID = c("A","B","A","A","B"),CLASS = c(1,1,2,1,4))
 ID CLASS
1  A     1
2  B     1
3  A     2
4  A     1
5  B     4

还有另外两个数据框A和B

   > A<- data.frame(CLASS = c(1,2,3), DESCRIPTION = c("Unknown", "Tall", "Short"))
  CLASS DESCRIPTION
1     1     Unknown
2     2        Tall
3     3       Short

> B <- data.frame(CLASS = c(1,2,3,4), DESCRIPTION = c("Big", "Small", "Medium", "Very Big"))
  CLASS DESCRIPTION
1     1         Big
2     2       Small
3     3      Medium
4     4    Very Big

我想根据df1 的 ID 和类合并这三个数据框，得到类似这样的结果：

      ID CLASS DESCRIPTION
1  A     1     Unknown
2  B     1         Big
3  A     2        Tall
4  A     1     Unknown
5  B     4    Very Big

我知道我可以将它合并为df1 <- merge(df1, A, by = "CLASS")，但我找不到添加条件（可能“如果”太多）以根据 ID 也合并 B 的方法。我需要一种有效的方法来执行此操作，因为我将其应用于超过 2M 行。

【问题讨论】：

你能解释一下df1的第5行吗？ CLASS = 4 是怎么结束的？
@coffeinjunky 抱歉，在 df1 中应该是 4。已编辑。

标签： r dataframe merge

【解决方案1】：

将ID变量添加到A和B，rbindA和B一起，并使用ID和CLASS到merge：

A$ID = 'A'
B$ID = 'B'

AB <- rbind(A, B)

merge(df1, AB, by = c('ID', 'CLASS'))

  ID CLASS DESCRIPTION
1  A     1     Unknown
2  A     1     Unknown
3  A     2        Tall
4  B     1         Big
5  B     4    Very Big

我建议在创建数据时使用stringsAsFactors = FALSE：

df1 <- data.frame(ID = c("A","B","A","A","B"),CLASS = c(1,1,2,1,4),
                  stringsAsFactors = FALSE)
A <- data.frame(CLASS = c(1,2,3), 
                DESCRIPTION = c("Unknown", "Tall", "Short"),
                stringsAsFactors = FALSE)
B <- data.frame(CLASS = c(1,2,3,4), 
                DESCRIPTION = c("Big", "Small", "Medium", "Very Big"),
                stringsAsFactors = FALSE)

【讨论】：

【解决方案2】：

要一次性合并多个数据帧，Reduce 通常会很有帮助：

out <- Reduce(function(x,y) merge(x,y, by = "CLASS", all.x=T), list(df1, A, B))
out
  CLASS ID DESCRIPTION.x DESCRIPTION.y
1     1  A       Unknown           Big
2     1  B       Unknown           Big
3     1  A       Unknown           Big
4     2  A          Tall         Small
5     4  B          <NA>      Very Big

如您所见，所有数据框中的列都添加了后缀（默认为merge 行为）。这允许您应用任何您想要获得最终列的逻辑。例如，

out$Description <- ifelse(out$ID == "A", as.character(out$DESCRIPTION.x), as.character(out$DESCRIPTION.y))
> out
  CLASS ID DESCRIPTION.x DESCRIPTION.y Description
1     1  A       Unknown           Big     Unknown
2     1  B       Unknown           Big         Big
3     1  A       Unknown           Big     Unknown
4     2  A          Tall         Small        Tall
5     4  B          <NA>      Very Big    Very Big

请注意，ifelse 是矢量化的并且非常高效。

【讨论】：

【解决方案3】：

dplyr 解决方案：

library(dplyr)
bind_rows(lst(A,B),.id="ID") %>% inner_join(df1)
#   ID CLASS DESCRIPTION
# 1  A     1     Unknown
# 2  A     1     Unknown
# 3  A     2        Tall
# 4  B     1         Big
# 5  B     4    Very Big

【讨论】：