R比较跨数据框的列以匹配值

Question

我有两个数据框，分别查看房屋 (n=6) 和某些日期 (n=22)。

• ORIGINAL 是原始数据集。它包含对 5 个变量的 38 个观察值。并非所有房屋都列出了所有日期，反之亦然，导致不同长度变量的计算错误。

• SAMPLE 是一个新的空数据集。它包含对相同 5 个变量的 132 (6 x 22) 个观测值。现在每个日期都有每个家庭的观察结果。

  宅日獴果象

       A       1      40        7      0.6
       A       6      32        12     4.2
       B       2      50        3      4.0 
       B       4      51        4      8.6
       B       6       8        7      12.1  
       C       2      12        8      13.0
  

我试图通过要求 R 比较两个数据帧之间的 HouseID 和 Date 来填写 SAMPLE 的其余部分；如果它们匹配，则应复制其余变量（猫鼬、水果、大象）以进行该观察。

我试过这个没有用...

 for(i in 1:nrow(original))
{
  if ((sample$Day == original$Day) && (sample$House == original$House)) 
  {
    sample$Mongoose[i]  <- original$Mongoose[i] 
    sample$Fruit[i]     <- original$Fruit[i] 
    sample$Elephant[i]  <- original$Elephant[i] 
  }
}

以下结果：

我依次收到以下 3 个错误

• 在 sample$Day == test$Day 中：较长的对象长度不是 更短的对象长度

• 在 is.na(e1) | is.na(e2) :更长的对象长度不是的倍数
  更短的对象长度

• 在==.default(sample$House, test$House) 中：更长的对象长度是
  不是较短对象长度的倍数

数据确实复制了，但不正确。所有值都转移到 A 房屋和连续日期，而不是适当的房屋和日期。

也就是说，它看起来像这样

House   Day   Mongoose   Fruit  Elephant 
 A       1      40        7      0.6
 A       2      50        3      4.0
 A       3      51        4      8.6
 A       4       8        7      12.1
 A       5      12        8      13.0
 A       6      32        12     4.2
 B       1 
 B       2 
 B       3 [...]  

什么时候应该（本质上）看起来像这样：

House   Day   Mongoose   Fruit  Elephant 
 A       1      40        7      0.6
 A       2    
 A       3     
 A       4      
 A       5      
 A       6      32        12     4.2    [rest of A houses have no data]
 B       1 
 B       2      50        3      4.0 
 B       3   
 B       4      51        4      8.6
 B       5 
 B       6       8        7      12.1    [rest of B houses have no data]
 C       1    
 C       2      12        8      13.0

请指教；我最终将不得不扩展这项技术来查看一个包含 198K 条目的样本数据集和一个包含 115K 条目的测试数据集。

谢谢！

Answer 1

在我看来这样应该可行：

merge(sample, original, by = c("House", "Day"), all.x = TRUE)

但如果没有可重复的例子，很难说。您可能还想查看dplyr::left_join()。也就是说，假设您的数据如下所示：

sample <- data.frame(House = rep(c("A", "B", "C"), each = 6),
                     Day = rep(1:6, 3))

# head(sample)
#   House Day
# 1     A   1
# 2     A   2
# 3     A   3
# 4     A   4
# 5     A   5
# 6     A   6

original <- data.frame(House = c("A", "A", "B", "B", "C"),
                       Day = c(1, 6, 2, 4, 2),
                       Mongoose = c(40, 32, 50, 51, 8),
                       Fruit = c(7, 12, 3, 4, 8),
                       Elephant = c(0.6, 4.2, 4.0, 8.6, 12.1))

# head(original)
#   House Day Mongoose Fruit Elephant
# 1     A   1       40     7      0.6
# 2     A   6       32    12      4.2
# 3     B   2       50     3      4.0
# 4     B   4       51     4      8.6
# 5     C   2        8     8     12.1

我们得到：

# head(merge(sample, original, by = c("House", "Day"), all.x = TRUE))
#   House Day Mongoose Fruit Elephant
# 1     A   1       40     7      0.6
# 2     A   2       NA    NA       NA
# 3     A   3       NA    NA       NA
# 4     A   4       NA    NA       NA
# 5     A   5       NA    NA       NA
# 6     A   6       32    12      4.2

Answer 2

这可能是一个小调整，看看这行你的原始代码：

if ((sample$Day == original$Day) && (sample$House == original$House)) 

看看能不能改成这样：

if ((sample$Day[i] == original$Day[i]) && (sample$House[i] == original$House[i]))

因为：

• 您正在使用带有i 变量的for 循环，
• 你用sample$Mongoose[i] <- original$Mongoose[i]这样的行做得很好
• 但在您的示例中，if 语句似乎实际上并未使用i 变量
• 因此我们对其进行了修改以使用i，因此它将专门比较观察/行的sample$Day与观察/行的original$Day，sample$House与original$House也是如此