合并，cbind：如何更好地合并？ [复制]答案

【问题标题】：Merge, cbind: How to merge better? [duplicate]合并，cbind：如何更好地合并？ [复制]
【发布时间】：2016-03-06 18:08:52
【问题描述】：

我想将多个向量合并到一个数据框中。有两个变量 city 和 id 将用于将向量与数据框匹配。

df <- data.frame(array(NA, dim =c(10*50, 2)))
names(df)<-c("city", "id")
df[,1]<-rep(1:50, each=10)
df[,2]<-rep(1:10, 50)

我创建了一个这样的数据框。对于这个数据框，我想合并 50 个向量，每个向量对应 50 个城市。问题是每个城市只有6个obs。每个城市将有 4 个 NA。

举个例子，城市 1 的数据如下所示：

seed(1234) 
cbind(city=1,id=sample(1:10,6),obs=rnorm(6))

我有 50 个城市数据，我想将它们合并到 df 中的一列。我试过以下代码：

for(i in 1:50){
citydata<-cbind(city=i,id=sample(1:10,6),obs=rnorm(6))   # each city data
df<-merge(df,citydata, by=c("city", "id"), all=TRUE)}    # merge to df

但如果我运行它，循环会显示如下警告：

In merge.data.frame(df, citydata, by = c("city", "id"),  ... :
  column names ‘obs.x’, ‘obs.y’ are duplicated in the result

它将创建 50 列，而不是一长列。

如何将cbind(city=i,id=sample(1:10,6),obs=rnorm(6)) 与df 合并到一个又好又长的列中？看来cbind 和merge 都不是办法。

如果有 50 个 citydata（每个有 6 行），我可以将 rbind 作为一个长数据并使用 data.table 方法或 expand.gird+merge 方法作为 Philip 和 Jaap 建议。

我想知道我是否可以通过一个循环将每个citydata一个一个地合并，而不是rbind他们合并到df。

【问题讨论】：

标签： r merge cbind

【解决方案1】：

data.table 很适合这个：

library(data.table)
df <- data.table(df)
> df
     city id
  1:    1  1
  2:    1  2
  3:    1  3
  4:    1  4
  5:    1  5
 ---
496:   50  6
497:   50  7
498:   50  8
499:   50  9
500:   50 10

我正在使用 CJ 而不是你的 for 循环来制作一些虚拟数据。 CJ 将每一列与其他列的每个值交叉连接，因此它创建了一个包含city 和id 的每对可能值对的两列表。 [,obs:=rnorm(.N)] 命令添加了第三列，该列绘制随机值（不会像在CJ 中那样回收它们）--.N 在此上下文中表示“此表的# 行”。

citydata <- CJ(city=1:50,id=1:6)[,obs:=rnorm(.N)]
> citydata
     city id         obs
  1:    1  1  0.19168335
  2:    1  2  0.35753229
  3:    1  3  1.35707865
  4:    1  4  1.91871907
  5:    1  5 -0.56961647
 ---
296:   50  2  0.30592659
297:   50  3 -0.44989646
298:   50  4  0.05359738
299:   50  5 -0.57494269
300:   50  6  0.09565473

setkey(df,city,id)
setkey(citydata,city,id)

由于这两个表具有相同的键列，以下通过citydata 中的键列查找df 的行，然后通过查找citydata 中的值在df 中定义obs。因此，生成的对象是原始的 df，但在 citydata 中定义的任何地方都定义了 obs：

df[citydata,obs:=i.obs]
> df
     city id         obs
  1:    1  1  0.19168335
  2:    1  2  0.35753229
  3:    1  3  1.35707865
  4:    1  4  1.91871907
  5:    1  5 -0.56961647
 ---
496:   50  6  0.09565473
497:   50  7          NA
498:   50  8          NA
499:   50  9          NA
500:   50 10          NA

【讨论】：

或一气呵成：setDT(df)[CJ(city=1:50,id=1:6)[,obs:=rnorm(.N)], obs:=i.obs, on = c("city","id")][]
不错的一个。（但我也猜测 OP 已经存在真实的城市数据，因此连接表的创建更多是为了展示合并的工作原理，而不是作为实际解决方案工作流程的一部分。）
谢谢。看看这个问题，我认为citydata 很可能是已经存在的数据，df 必须用CJ 构造才能获得所需的结果。

【解决方案2】：

在基础 R 中，您可以结合使用 expand.grid 和 merge：

citydata <- expand.grid(city=1:50,id=1:6)
citydata$obs <- rnorm(nrow(citydata))

res <- merge(df, citydata, by = c("city","id"), all.x = TRUE)

给出：

> head(res,12)
    city id        obs
 1:    1  1 -0.3121133
 2:    1  2 -1.3554576
 3:    1  3 -0.9056468
 4:    1  4 -0.6511869
 5:    1  5 -1.0447499
 6:    1  6  1.5939187
 7:    1  7         NA
 8:    1  8         NA
 9:    1  9         NA
10:    1 10         NA
11:    2  1  0.5423479
12:    2  2 -2.3663335

dplyr 和 tidyr 的类似方法：

library(dplyr)
library(tidyr)

res <- crossing(city=1:50,id=1:6) %>% 
  mutate(obs = rnorm(n())) %>%
  right_join(., df, by = c("city","id"))

给出：

> res
Source: local data frame [500 x 3]

    city    id        obs
   (int) (int)      (dbl)
1      1     1 -0.5335660
2      1     2  1.0582001
3      1     3 -1.3888310
4      1     4  1.8519262
5      1     5 -0.9971686
6      1     6  1.3508046
7      1     7         NA
8      1     8         NA
9      1     9         NA
10     1    10         NA
..   ...   ...        ...

【讨论】：