我有两个数据集。让我们称它们为主数据和使用数据。我使用 3 个键将使用数据合并到主数据中。我包含了 all=TRUE 参数以保留所有合并和未合并的观察结果
merged_data <- merge(dataset1, dataset2, by=c("key1","key2","key3"), all=T)
现在我的问题。如何获取有关主数据或使用数据中是否发生未合并的信息？理想情况下，我想要一个有价值的列
1) 1 如果由于使用数据而发生非合并 2) 2 如果由于主数据而发生非合并 3) 3 如果成功合并！！
谢谢， 凯达
【问题讨论】：
tidyverse 可以在这里提供帮助。
anti_join()
"返回 x 中没有匹配 y 值的所有行，只保留 x 中的列。"
因此，
dataset1 %>%
anti_join(dataset2, by = c("joinColumn")
应该给你什么在 1 但没有加入 2，并且
dataset2 %>%
anti_join(dataset1, by = c("joinColumn")
应该给你 2 中的内容，但 1 没有加入。
【讨论】：
对于任意数量的键，该过程都是相同的。您需要在每个表中有一列没有NAs（缺失值）。 （编辑：如果其中一个表中不存在这样的列，您可以像这样创建一个虚拟列：dfa$dummy1 <-1）
合并后，如果该行在另一个表中没有匹配项，则这些列将包含 NAs。然后您可以在合并表中搜索这些行，并分配适当的标志：
set.seed(123)
dfa <- data.frame(id=c(1,2,3,5),val1=rnorm(4))
dfa
#> id val1
#> 1 1 -0.56047565
#> 2 2 -0.23017749
#> 3 3 1.55870831
#> 4 5 0.07050839
dfb <- data.frame(id=c(1,2,4,5),val2=rnorm(4))
dfb
#> id val2
#> 1 1 0.1292877
#> 2 2 1.7150650
#> 3 4 0.4609162
#> 4 5 -1.2650612
dfc <- merge(dfa,dfb,all=T)
dfc$flag <- 3 # Assume all rows are matched by default
dfc$flag[is.na(dfc$val1)] <- 1 # Search for NAs in val1 for no-match due to dfA
dfc$flag[is.na(dfc$val2)] <- 2 # Search for NAs in val2 for no-match due to dfB
dfc
#> id val1 val2 flag
#> 1 1 -0.56047565 0.1292877 3
#> 2 2 -0.23017749 1.7150650 3
#> 3 3 1.55870831 NA 2
#> 4 4 NA 0.4609162 1
#> 5 5 0.07050839 -1.2650612 3
由reprex package (v0.3.0) 于 2020-01-13 创建
【讨论】：
可能效率低下，但效果很好。
dataset1$ind_data1 <-1
dataset2$ind_data2 <-1
merged_data_all <- merge(dataset1, dataset2,
by=c("key1","key2","key3", "Year"), all=T)
View(merged_data_all)
merged_data_all$ind_data1[is.na(merged_data_all$ind_data1)] <- 0
merged_data_all$ind_data2[is.na(merged_data_all$ind_data2)] <- 0
merge <- vector()
for(i in 1:length(merged_data_all$ind_data1)) {
if(merged_data_all$ind_data1[i]==1 & merged_data_all$ind_data2[i]==1) {
merge[i] = "match"
} else if(merged_data_all$ind_data1[i]==0 & merged_data_all$ind_data2[i]==1){
merge[i]="dataset 2 only"
} else{
merge[i]="dataset 1 only"
}
}
merged_data_all<- cbind(merged_data_all, merge)
【讨论】：