我有两个数据集,我想要的可能被松散地称为“非关键变量的外部连接”。
这是数据集
数据集 1
oc oc2 state_id r_state
A011 A01 1808 1.00
A011 A01 1810 0.50
A012 A01 1810 0.50
A011 A01 1814 0.33
A012 A01 1814 0.33
A013 A01 1814 0.33
数据集 2
oc r_country
A011 0.62
A012 0.14
A013 0.24
我想要的输出如下:
oc oc2 state_id r_state r_country
A011 A01 1808 1.00 0.62
A012 A01 1808 NA 0.14
A013 A01 1808 NA 0.24
A011 A01 1810 0.50 0.62
A012 A01 1810 0.50 0.14
A013 A01 1810 NA 0.24
A011 A01 1814 0.33 0.62
A012 A01 1814 0.33 0.62
A013 A01 1814 0.33 0.24
请注意行号 2、3 和 6 是如何“人工”引入的。我的问题是如何在 R 中做到这一点。如果我通过
oc
合并, merge
函数不会创建这些行。如果我通过 oc2
合并,它将创建不必要的额外行。请注意 oc2
只是 oc
的更高级别编码.下面是几行代码,用于在 data.tables 中获取上述数据集。请注意,这些是样本数据集,实际数据包含大约 50 个不同的 oc2
和每个 oc2
可以有 1 到 9 oc
在里面。此外,还有 47 个不同的州。DT1 = data.table(oc = c('A011','A011','A012','A011','A012','A013'),
oc2 = rep('A01',6),
state_id = c(1808,1810,1810,1814,1814,1814),
r_state = c(1, 0.5,0.5,0.33,0.33,0.33)
)
DT2 = data.table(oc = c('A011','A012','A013'),
r_country = c(0.62, 0.14, 0.24)
)
虽然我正在使用
data.table
, 基地 data.frame
解决方案也行。
最佳答案
使用:
library(zoo) # for the 'na.locf'-function
DT1[CJ(oc = oc, state_id = state_id, unique = TRUE), on = .(oc, state_id)
][order(state_id), oc2 := na.locf(oc2), by = 'state_id'
][DT2, on = 'oc', r_country := r_country][order(state_id)]
给出:
oc oc2 state_id r_state r_country 1: A011 A01 1808 1.00 0.62 2: A012 A01 1808 NA 0.14 3: A013 A01 1808 NA 0.24 4: A011 A01 1810 0.50 0.62 5: A012 A01 1810 0.50 0.14 6: A013 A01 1810 NA 0.24 7: A011 A01 1814 0.33 0.62 8: A012 A01 1814 0.33 0.14 9: A013 A01 1814 0.33 0.24
根据@Frank 的建议,您也可以在不使用
na.locf
的情况下执行此操作来自 zoo
-包裹:DT1[CJ(oc = oc, state_id = state_id, unique = TRUE), on = .(oc, state_id)
][DT2, on = .(oc), r_country := i.r_country][DT1, on = .(state_id), oc2 := i.oc2][]
关于r - 合并非关键变量的所有 "occurrences",我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47901426/