在 r 中合并数据框并报告冲突答案

【问题标题】：merge dataframes and report conflicts in r在 r 中合并数据框并报告冲突
【发布时间】：2020-03-03 10:58:59
【问题描述】：

我有两个数据框，df1 和 df2，它们需要以这样一种方式连接（合并），即一个 df 中的 NA 被第二个 df 中的值替换，该值基于一些关键列以及发现冲突的地方，它在生成的 df 中报告。例如，

> df1 <- data.frame(c1=c("a","b","c"),c2=c(1,2,3),c3=c("m",NA,"k"),c4=c(1,2,NA),c5=c("z1","z2","z3"))  
> df2 <- data.frame(c1=c("d","b","c"),c2=c(1,2,3),c3=c("m","j","p"),c4=c(1,NA,8),c5=c("k1","k2","k3"))

> df1
---
c1 c2 c3 c4 c5
a  1  m  1  z1
b  2  NA 2  z2
c  3  k  NA z3

> df2
----
c1 c2 c3 c4 c5
d  1  m  1 k1
b  2  j NA k2
c  3  p  8 k3

我可以使用 rqdatatable 库中的 natural_join 函数来合并两个数据帧，以便一个 df 中的 NA 被另一个 df 中的值替换。但是我想报告冲突，即对于一个密钥对值，如果报告了多个冲突值，那么这应该是我生成的数据帧的一部分。理想情况下，我生成的数据框如下所示：


c1 c2 c3   c4 c5     conflicts_cols
a  1  m    1  k1;z1  c5
b  2  j    2  k2;z2  c5
c  3  k;p  8  k3;z3  c3, c5
d  1  m    1  k1     NA

有人可以帮忙吗？谢谢！

【问题讨论】：

标签： r dataframe

【解决方案1】：

部分答案：您可以绑定两个表并在按键分组后将行“挤压”在一起。然后，找到包含多个条目的单元格，这是我无法做到的问题。

df1 <- data.frame(c1=c("a","b","c"),c2=c(1,2,3),c3=c("m",NA,"k"),c4=c(1,2,NA),c5=c("z1","z2","z3"),stringsAsFactors = F)  
df2 <- data.frame(c1=c("d","b","c"),c2=c(1,2,3),c3=c("m","j","p"),c4=c(1,NA,8),c5=c("k1","k2","k3"),stringsAsFactors = F)  

library(data.table)
setDT(df1)
setDT(df2)

df12<- rbind(df1,df2)
keys <- c('c1','c2')
df_merged <- df12[,lapply(.SD,function(x) list(unique(na.omit(x)))),by=keys]
df_merged
#> c1 c2  c3 c4    c5
#> 1:  a  1   m  1    z1
#> 2:  b  2   j  2 z2,k2
#> 3:  c  3 k,p  8 z3,k3
#> 4:  d  1   m  1    k1 

str(df_merged)
#> Classes 'data.table' and 'data.frame':   4 obs. of  5 variables:
#>  $ c1: chr  "a" "b" "c" "d"
#>  $ c2: num  1 2 3 1
#>  $ c3:List of 4
#>   ..$ : chr "m"
#>   ..$ : chr "j"
#>   ..$ : chr  "k" "p"
#>   ..$ : chr "m"
#>  $ c4:List of 4
#>   ..$ : num 1
#>   ..$ : num 2
#>   ..$ : num 8
#>   ..$ : num 1
#>  $ c5:List of 4
#>   ..$ : chr "z1"
#>   ..$ : chr  "z2" "k2"
#>   ..$ : chr  "z3" "k3"
#>   ..$ : chr "k1"
#>  - attr(*, ".internal.selfref")=<externalptr>

^{由reprex package (v0.3.0) 于 2020 年 3 月 3 日创建}

【讨论】：

【解决方案2】：

{powerjoin} 主要带你去那里，你只需要定义正确的格式化函数来处理冲突，这里我们定义一个我们按行应用的函数（所以我们使用rw）：

library(powerjoin)

df1 <- data.frame(c1=c("a","b","c"),c2=c(1,2,3),c3=c("m",NA,"k"),c4=c(1,2,NA),c5=c("z1","z2","z3"))  
df2 <- data.frame(c1=c("d","b","c"),c2=c(1,2,3),c3=c("m","j","p"),c4=c(1,NA,8),c5=c("k1","k2","k3"))

conflict_format <- function(x,y) paste(unique(na.omit(c(x, y))), collapse = ";")
power_full_join(df1, df2, by = "c1", conflict = rw ~ conflict_format(.x, .y))
#>   c1 c2  c3 c4    c5
#> 1  a  1   m  1    z1
#> 2  b  2   j  2 z2;k2
#> 3  c  3 k;p  8 z3;k3
#> 4  d  1   m  1    k1

^{由reprex package (v2.0.1) 于 2022 年 1 月 14 日创建}

【讨论】：