为什么我的数据框不会合并？

Question

好的，所以我是一个相当不错的 R 程序员，每周工作 3/5 天，上周我遇到了一个相当独特的问题。我在 R-studio 工作，无法合并前面描述的数据集

我有 2 个数据集：
数据集 df：20 个变量的 13287320 个观察值
数据集 data1：2 个变量的 9453 次观察

df和data1都有一个共同的变量，即user

df 有多个用户副本，所以看起来有点像：

user  var2  var3  var4  ........  var20
1a     x     x     x                x
1a     x     x     x                x
1a     x     x     x                x
2a     x     x     x                x
2a     x     x     x                x
3a     x     x     x                x
4a     x     x     x                x
5a     x     x     x                x
6a     x     x     x                x
6a     x     x     x                x
6a     x     x     x                x
.      .     .     .                .
.      .     .     .                .
.      .     .     .                .
etc.

data1 看起来更整洁：

user  date
1b     .
2b     .
3b     .
4b     .
5b     .
6b     .
.      .
.      .
.      .
etc.

显然，我很清楚合并通常由merge() 或如果安装了软件包 plyr 完成join()。

现在解决实际问题：

当我尝试使用时：

x <- merge(df, data1, by="user", all=FALSE)

结果将是 x 通过 21 个变量获得 0 个观察结果

然后我想，让我们试试join() 函数并使用以下代码：

library(plyr)
x <- join(df, data1, by="user", type="inner")

这导致 x 有 21 个变量的 0 个观察结果

我尝试了无数种不同类型/全部的变体，并省略了 by 部分，但结果都是一样的。

我当时的想法是实际测试 df 的用户是否在 data1 中，所以我尝试了第一个用户用户 1 的子集

x <- subset(df, user == "1b")

结果是x 有 3 个观察值和 20 个变量的子集。 （示例中为 1a）。

我有点不知道下一步该从哪里继续。

我的一个想法是对唯一用户进行子集化，但我不确定如何实现这一目标

a <- unique(data1$user)
b <- subset(df, user %in% c(a))

上面的代码似乎也不起作用，所以如果有人可以帮助我，将不胜感激。

编辑变量名以避免进一步混淆

Answer 1

刚遇到这个问题，发现是因为变量实际上不匹配。更改为字符而不是因子使这一点更加明显。通过第二个数据集中包含的空格合并的变量。 清理这个解决了我的问题。

祝你好运！ 马特

Answer 2

您在合并调用中指定了all=FALSE。这意味着如果 df 中有一个元素不在 data1 中，则不会包含该元素，如果 data1 中有一个元素不在 df 中，则也不会包含该元素。查看您的示例数据，用户列没有任何匹配的内容。这就是为什么它是空的。

如果您认为应该有匹配项，则需要做一些工作，因为 R 不知道如何您打算匹配它们。

请注意，默认情况下，它将使用共享一个通用名称的所有列进行匹配，并且要“匹配”匹配列中的所有元素需要相同。因此，如果您在 df 和 data1 之间共享多个列名，您可能会遇到此问题。如果您只想匹配单个列，可以使用by（或by.x 和by.y）参数来指定要匹配的列。

Answer 3

嘿，我知道我玩游戏迟到了，但我在 RStudio 工作，遇到了类似的问题。

您是否在任一（或两个）数据框中都有大量列（加起来超过 100 个）？如果是这样，以下可能有用：

似乎无论我做什么，在使用以下命令合并后，在 RStudio 的数据框查看器中查看两个数据框（df1 4023 x 150 vars，df2 4023 x 23 vars）时，它们都不会合并：

dfall <- merge(df1, df2, by="lookup") 

查找在df1 和df2 中都是唯一的。

当我查看 RStudio 中的数据框查看器（环境窗口中的图表图标）时，似乎该命令失败了。实际上，此命令运行良好，但 RStudio 数据框查看器仅限于前 100 列，如果您有更多，它不会显示它们。在我看来，合并失败了。我花了几分钟才意识到合并工作正常，但查看器没有显示合并的列。

三种方法可以查看您是否正在发生这种情况。

1. 在 RStudio 的环境窗口中查看您的数据框是否大于 100 个变量（列在"value" 列中）。如果是你可能有同样的问题。

2. 使用 R head() 命令在控制台中查看合并数据集的第一行（不会将列修剪到前 100 行）

3. 将合并的数据框写入 CSV 并在 excel 或 google 表格中打开（使用以下命令导出）：

   write.table(dfall, file="dfall.csv", sep=",", row.names=FALSE)
   

这会将 csv 文件写入您的工作目录，该文件可以在 excel 或 google 表格中打开。检查文件以查看您的合并列是否存在。

干杯。