合并具有不同观测值的数据集

Question

我有两个数据集，一个是另一个的子集，但该子集有额外的列，观察较少。

基本上，我为每个参与者分配了一个唯一的 ID，然后是一个 HHID，即他们被招募的房子 ID（例如，从 11 个房子招募的 15 个参与者）。

> Healthdata <- data.frame(ID = gl(15, 1), HHID = c(1,2,2,3,4,5,5,5,6,6,7,8,9,10,11))
> Healthdata

现在，我有一个数据子集，每个家庭只有一个参与者，被选中的人看电视时间更长。在这个子集数据中，我计算了每所房子的社会经济分数 (SSE)。

> set.seed(1)
> Healthdata.1<- data.frame(ID=sample(1:15,11, replace=F), HHID=gl(11,1), SSE = sample(-6.5:3.5, 11, replace=TRUE))
> Healthdata.1

现在，我想将子集 (Healthdata.1) 中的 SSE 分配给更大数据 (Healthdata) 的唯一参与者，以便来自同一家的参与者获得相同的分数。

我不能简单地合并这个，因为数据集有不同数量的观察，较大的有 15 个，但子集中只有 11 个。

有没有办法在 R 中做到这一点？我对它很陌生，我对此感到很困惑。

我希望所需的输出如下所示，即来自同一 HHID（房屋）的 ID（参与者）应该具有相同的 SSE 分数。下面的输出只是我需要的一个例子，上面的种子不会给出相同的输出。

 ID HHID SSE
 1    1  -6.5
 2    2  -5.5
 3    2  -5.5
 4    3   3.3
 5    4   3.0
 6    5   2.58
 7    5   2.58
 8    5   2.58
 9    6  -3.05
10    6  -3.05
11    7  -1.2
12    8   2.5
13    9   1.89
14   10   1.88
15   11  -3.02

谢谢。

Answer 1

你可以使用merge，默认会按列交叉合并。

merge(Healthdata,Healthdata.1,all.x=TRUE)
   ID HHID SSE
1   1    1  NA
2   2    2  NA
3   3    2  NA
4   4    3  NA
5   5    4  NA
6   6    5  NA
7   7    5  NA
8   8    5  NA
9   9    6 0.7
10 10    6  NA
11 11    7  NA
12 12    8  NA
13 13    9  NA
14 14   10  NA
15 15   11  NA

或者您可以选择合并的列：

merge(Healthdata,Healthdata.1,all.x=TRUE,by='ID')

Answer 2

您需要通过HHID 合并，而不是ID。请注意，这有点令人困惑，因为来自超组的 id 来自与来自子组不同的集合。 IE。 ID.x == 4 != ID.y == 4 （实际上，在这种情况下，他们在不同的家庭中）。因此，我将两个 ID 列都留在这里以避免歧义，但您可以轻松地将结果子集以仅显示 ID.x 一个，

> merge(Healthdata, Healthdata.1, by='HHID')
   HHID ID.x ID.y  SSE
1     1    1    4 -5.5
2     2    2    6  0.5
3     2    3    6  0.5
4     3    4    8 -2.5
5     4    5   11  1.5
6     5    6    3 -1.5
7     5    7    3 -1.5
8     5    8    3 -1.5
9     6    9    9  0.5
10    6   10    9  0.5
11    7   11   10  3.5
12    8   12   14 -2.5
13    9   13    5  1.5
14   10   14    1  3.5
15   11   15    2 -4.5

Answer 3

library(plyr)
join(Healthdata, Healthdata.1)

# Inner Join
join(Healthdata, Healthdata.1, type = "inner", by = "ID")

# Left Join
# I believe this is what you are after
join(Healthdata, Healthdata.1, type = "left", by = "ID")