将数据从一个数据帧匹配到另一个数据帧

Question

我正在尝试执行以下操作，我最初发布了一个更简单的版本，认为它会泛化但现在意识到它不会，所以我在这里重新发布问题

原始问题（和解决方案）可以在这里找到：Matching data from one data frame to another

我有两个数据框，dfa 和 dfb

IDa <- c(1,2,3)
score1a <- c(5,10,1)
score2a <- c(NA,8,NA)
score3a <- c(NA,NA,13)
score1b <- c(NA,4,9)
score2b <- c(2,3,NA)
score2c <- c(1,5,1)
score3c <- c(6,NA,1)

dfa <- data.frame(IDa,score1a,score2a,score3a,score1b,score2b,score2c,score3c)

IDb <- c(1,1,1,2,2,3)
timeb <- c(1,2,3,2,3,3)

dfb <- data.frame(IDb,timeb)

在 score1a 中，“1”代表 dfb 中的 timeb = 1，“a”代表第一种测试类型（因此有 3 种测试类型，a、b、c 和 3 个时间点 1、2、3）

我想从 dfa 获取数据并将其添加到 dfb 以在下面创建类似 dfc 的内容（注意 dfc 的前两列与 dfb 相同）

IDc <- c(1,1,1,2,2,3)
timec <- c(1,2,3,2,3,3)
scorea <- c(5,NA,NA,8,NA,13)
scoreb <- c(NA,2,NA,3,NA,NA)
scorec <- c(NA,1,6,5,NA,1)

dfc <- data.frame(IDc, timec, scorea, scoreb, scorec)

希望这是有道理的，非常感谢您对此的任何帮助！

Answer 1

这是一个使用 dplyr 和 tidyr 的选项：

require(dplyr)
require(tidyr)

gather(dfa, xx, timea, -IDa) %>%
  mutate(xx = as.character(xx),
         x = gsub("[0-9]", "", xx)) %>%
  spread(x, timea) %>%
  mutate(xx = as.numeric(gsub("[a-zA-Z]", "", xx))) %>%
  group_by(IDa, xx) %>%
  summarise_each(funs(first(.[!is.na(.)]))) %>%
  left_join(dfb, ., by = c("IDb" = "IDa", "timeb" = "xx"))

#  IDb timeb scorea scoreb scorec
#1   1     1      5     NA     NA
#2   1     2     NA      2      1
#3   1     3     NA     NA      6
#4   2     2      8      3      5
#5   2     3     NA     NA     NA
#6   3     3     13     NA      1

执行以下步骤（每行代码）：

1. gather：将数据从宽格式重新整形（收集）为长格式，新列将命名为“xx”和“timea”
2. 变异：将“xx”列变成字符列（之前是一个因子）
3. Still Mutate：根据列“xx”创建一个新列“x”，但删除 xx 中的所有数字
4. 传播：根据新的“x”列将数据从长到宽重新整形
5. 变异：从“xx”中删除所有字符并将其余字符（字符格式的数字）存储为数字数字
6. group_by：按“IDa”和“xx”对数据进行分组
7. summarise_each：在每个组内（按 IDa 和 xx），对于除分组变量 IDa 和 xx 之外的每一列：取 first 元素，即 not NA。更明确地说：.[!is.na(.)] 从数据中删除所有 NA 条目，然后将 first() 函数包裹在它周围，获取没有 NA 的数据的第一个元素。通常，summarise 和 summarise_each 会将每个组的数据分解为 1 行（在这种情况下，它将保存第一个非 NA 条目）。
8. left_join：分别按 ID 列和 timeb 和 xx 对 dfb 与先前计算的数据（注意 left_join 内部的顺序，这在此处很重要）执行左连接。

编辑 2

这里有一些例子可以更好地理解first(.[!is.na(.)]) 部分的作用。请记住，在代码中，. 表示传递给函数的分组数据（相当于我在下面的示例中称为 x）。

set.seed(99)
x <- sample(10)  #create a vector with random numbers
x
#[1]  6  2 10  7  4  5  3  1  8  9

x[sample(10, 4, replace = F)] <- NA  # add some NAs
x
#[1]  6 NA 10  7 NA NA  3  1 NA  9 

is.na(x)  # is the value in each in index/place of x equal to NA?
#[1] FALSE  TRUE FALSE FALSE  TRUE  TRUE FALSE FALSE  TRUE FALSE

x[is.na(x)]   # show me the values of x which are NA (of course, they are NA)
#[1] NA NA NA NA

x[!is.na(x)]  # show me the values of x which are not NA (== remove NAs)
#[1]  6 10  7  3  1  9

dplyr::first(x[!is.na(x)])  # of all the values in x which are not NA, return the first one
#[1] 6

x[!is.na(x)][1]  # this is equivalent to the previous line but using [1] instead of first()
#[1] 6

head(x[!is.na(x)], 1)  # this is also equivalent of the two previous lines but using head(..., 1)
#[1] 6

希望对您有所帮助。

Answer 2

这是使用我的“splitstackshape”包中的merged.stack 和merge 的替代方法。

通常，R 中与 reshape 相关的函数似乎喜欢名称为“类型”+“时间”的形式（您的变量当前为“时间”+“类型”的形式）。我们可以使用“data.table”中的setnames（与“splitstackshape”一起加载）轻松地将列重命名为所需的形式。

library(splitstackshape)
setnames(dfa, gsub("(score)(\\d)([a-z])", "\\3_\\2", names(dfa)))

一旦名称正确，我们就会堆叠相关列并将结果与​​您的第二个数据集合并。需要转换为数字才能在相同类型的数据上进行合并。

setkey(
  merged.stack(dfa, var.stubs = c("^a", "^b", "^c"), 
               sep = "_")[, .time_1 := as.numeric(.time_1)],
  IDa, .time_1)[setkeyv(as.data.table(dfb), names(dfb))]
#    IDa .time_1 ^a ^b ^c
# 1:   1       1  5 NA NA
# 2:   1       2 NA  2  1
# 3:   1       3 NA NA  6
# 4:   2       2  8  3  5
# 5:   2       3 NA NA NA
# 6:   3       3 13 NA  1

Answer 3

类似于上面的@beginneR 答案，但避免使用分组/summarise_each：

library(tidyr)
library(dplyr)

colnames(dfa)[-1] <- c("scorea1","scorea2","scorea3","scoreb1","scoreb2","scorec2","scorec3") 

dfa %>%
  gather(name, score, scorea1:scorec3) %>%
  separate(variable, c("score","time"), 6) %>%
  mutate(time = as.numeric(time)) %>%
  spread(score, value) %>%
  left_join(dfb, ., by= c("IDb"="IDa", "timeb"="time"))