R中两个不同数据帧的匹配列答案

【问题标题】：matching columns of two different data frames in RR中两个不同数据帧的匹配列
【发布时间】：2014-12-02 15:37:00
【问题描述】：

我有两个具有经度和纬度值的数据框，我想从数据框 #2 中提取值（例如列 df2$C，数据框 #2 的第三列），这些值与数据框 1 的列匹配...例如，数据框1有两列（lon，lat），数据框2有三列（lon，lat，还有一些值"C"）...我想要将第三列添加到数据框 1，其中 df2$C 的值对应于两个数据框中两列的完全匹配的值，例如 df1$lon == df2$lon AND df1$lat == df2$lat... 和 @ 987654330@，lon 对不匹配，我想添加一个NA，以便第三列（我想添加到数据。第 1 帧）的长度为 = nrow(df1)。我尝试了合并功能，但在将df1 的两列与df2 的两列匹配时遇到了麻烦。

【问题讨论】：

merge(...) 应该可以工作。你应该展示你的代码。

标签： r

【解决方案1】：

你可以试试data.table

library(data.table)
setDT(df1)
setkey(setDT(df2), lat, lon)
df2[df1]
#   lat lon          C
#1:  58   1         NA
#2:  52  10         NA
#3:  54   7 -0.9094088
#4:  60   2         NA
#5:  50   3  1.4541841
#6:  56   9 -1.7771135
#7:  59   5         NA
#8:  55   8         NA
#9:  53   4         NA
#10: 57   6         NA

数据

df1 <- structure(list(lat = c(58L, 52L, 54L, 60L, 50L, 56L, 59L, 55L, 
53L, 57L), lon = c(1L, 10L, 7L, 2L, 3L, 9L, 5L, 8L, 4L, 6L)), .Names = c("lat", 
"lon"), row.names = c(NA, -10L), class = "data.frame")

df2 <- structure(list(lat = c(51L, 55L, 50L, 58L, 56L, 57L, 60L, 54L, 
 52L, 54L), lon = c(13L, 10L, 3L, 6L, 9L, 8L, 9L, 16L, 4L, 7L), 
 C = c(1.48642005012902, 1.53314455225747, 1.45418413640182, 
-0.874122129771392, -1.77711353745745, 0.128866710402714, 
-2.41118134931725, -1.78305563078752, -0.0173287724390305, 
-0.909408846416724)), .Names = c("lat", "lon", "C"), row.names = c(NA, 
-10L), class = "data.frame")

【讨论】：

【解决方案2】：

由于这些是地理编码，需要注意的一件事是字段必须完全匹配。因此，例如，如果一个数据集的 lon/lat 到 6 个有效数字，而另一个数据集的 lon/lat 到 8 个有效数字，您将没有匹配项（或很少）。我想知道这是否就是merge(...) 不适合您的原因。如下图，应该可以了。

merge(...) 应该可以工作，特别是如果两个数据框具有相同的列名。使用来自@akrun 答案的数据集：

merge(df1,df2, by=c("lon","lat"),all.x=TRUE)
#    lon lat          C
# 1    1  58         NA
# 2    2  60         NA
# 3    3  50  1.4541841
# 4    4  53         NA
# 5    5  59         NA
# 6    6  57         NA
# 7    7  54 -0.9094088
# 8    8  55         NA
# 9    9  56 -1.7771135
# 10  10  52         NA

如果您不指定 by=... 参数，merge(...) 将使用所有常用列，因此在这种情况下您可以只写：

merge(df1,df2,all.x=TRUE)

您也可以使用join(...) 是plyr 包。

library(plyr)
join(df1,df2)

所有这些选项都会产生相同的结果，尽管行的顺序不同。

data.table 方法将是最快的，但如果没有非常大的数据集（>1e5 行），您可能不会注意到差异。

【讨论】：

【解决方案3】：

您可以为此使用ifelse。以数据为例：

df1 <- structure(list(lat = c(58L, 52L, 54L, 60L, 50L, 56L, 59L, 55L, 
                              53L, 57L), lon = c(1L, 10L, 7L, 2L, 3L, 9L, 5L, 8L, 4L, 6L)), .Names = c("lat", 
                                                                                                       "lon"), row.names = c(NA, -10L), class = "data.frame")

df2 <- structure(list(lat = c(51L, 55L, 50L, 58L, 56L, 57L, 60L, 54L, 
                              52L, 54L), lon = c(13L, 10L, 3L, 6L, 9L, 8L, 9L, 16L, 4L, 7L), 
                      C = c(1.48642005012902, 1.53314455225747, 1.45418413640182, 
                            -0.874122129771392, -1.77711353745745, 0.128866710402714, 
                            -2.41118134931725, -1.78305563078752, -0.0173287724390305, 
                            -0.909408846416724)), .Names = c("lat", "lon", "C"), row.names = c(NA, 
                                                                                               -10L), class = "data.frame")

您可以使用

为 df1 创建列 C

ifelse(df1[,'lat'] %in% df2[,'lat'] & df1[,'lon'] %in% df2[,'lon'],df2$C,NA)

【讨论】：