如果第一个数据集中的一个列与第二个数据集中的任何列匹配，则 R 有效地连接数据

Question

给定 2 个数据框：

df1

col1 col2 col3
43    21   "a"
32    31   "b"
NA    12   "c"
44    NA   "d"

df2

cl4 cl5 cl6
43   1  "text"
12   0  "text2"
32   44  "text3"

如果c("col1", "col2") 中的列值与c("cl4", "cl5") 列中的值匹配，我如何将它们与left_join 合并？ 附加信息：所有变量都可以有缺失值，但总是完成的 cl6 除外。

预期结果：

col1 col2 col3 cl4 cl5 cl6
43    21   "a"  43   1 "text"
32    31   "b"  32  44 "text3"
NA    12   "c"  12   0 "text2"
44    NA   "d"  32  44 "text3"

我有一些有效的代码，但我认为如果有很多连接要做（在我的真实数据框中，我有 24 个连接要做......），我认为必须有更好的解决方案。 这是我的代码：

list_vars = c('cl4', "cl5", "cl6")
list_vars_rename = c("col4", "col5", "col6")

#MERGE 1

df1_merged <- left_join(df1, df2, by=c("col1" = "cl4"), na_matches = "never") #ignore NAs

df1_merged$cl4 <- df1_merged$col1 #because cl4 disappears during the join
df1_merged[is.na(df1_merged$cl6), "cl4"] <- NA #cl4 equals NA if no match = if cl6 NA

setnames(df1_merged, old = list_vars, new = list_vars_rename, skip_absent = T) #rename cols

#MERGE 2
df1_merged <- left_join(df1_merged, df2, by=c("col1" = "cl5"), na_matches = "never")
df1_merged <- as.data.frame(df1_merged) #because was a tibble
df1_merged$cl5 <- df1_merged$col1 #because cl4 disappears during the join
df1_merged[is.na(df1_merged$cl6), "cl5"] <- NA #cl5 equals NA if no match = if cl6 NA
for (i in seq_along(list_vars_rename)){
  df1_merged[,list_vars_rename[i]] <- ifelse(is.na(df1_merged[,list_vars_rename[i]]), df1_merged[,list_vars[i]], df1_merged[,list_vars_rename[i]])
} #fill col4, col5 & col6 with the values of cl4, cl5 & cl6 we got in the join
df1_merged = df1_merged[, !(names(df1_merged) %in% list_vars)] #drop cl4 ,cl5 & cl6

#MERGE 3
df1_merged <- left_join(df1_merged, ventes, by=c("col2" = "cl4"), na_matches = "never")
df1_merged <- as.data.frame(df1_merged)
df1_merged$cl4 <- df1_merged$col2
df1_merged[is.na(df1_merged$cl6), "cl4"] <- NA
for (i in seq_along(list_vars_rename)){
  df1_merged[,list_vars_rename[i]] <- ifelse(is.na(df1_merged[,list_vars_rename[i]]), df1_merged[,list_vars[i]], df1_merged[,list_vars_rename[i]])
}
df1_merged= df1_merged[, !(names(df1_merged) %in% list_vars)]

###etc. until the last merge.

Answer 1

我还没到那里，但也许这段代码有帮助：

library(tidyverse)
df1 <- read_table("col1 col2 col3
43    21   a
32    31   b
NA    12   c
44    NA   d")

df2 <- read_table("cl4 cl5 cl6
43   1  text
12   0  text2
32   44  text3")

cols_1 <- c("col1", "col2")
cols_2 <- c("cl4", "cl5")

df1 %>% 
  pivot_longer(cols = all_of(cols_1)) %>% 
  left_join(df2 %>% pivot_longer(cols = all_of(cols_2)), by = "value", suffix = c(".df1", ".df2")) %>% 
  filter(!is.na(name.df1) & !is.na(name.df2))
#> # A tibble: 4 x 5
#>   col3  name.df1 value cl6   name.df2
#>   <chr> <chr>    <dbl> <chr> <chr>   
#> 1 a     col1        43 text  cl4     
#> 2 b     col1        32 text3 cl4     
#> 3 c     col2        12 text2 cl4     
#> 4 d     col1        44 text3 cl5

^{由reprex package (v2.0.0) 于 2021 年 7 月 27 日创建}

输出包含包含重要信息的列（col3 和 cl6），它告诉您匹配的列（name.df1 和 name.df2），以及匹配值是什么（value） .但我不知道如何添加其他信息以匹配您想要的输出。我也没有处理NAs。