假设我有两个如下所示的数据框:
df1 <- data.frame(
id1 = c(1:4, 4),
id2 = letters[1:5],
val1 = c(0, 1, pi, exp(1), 42)
)
df2 <- data.frame(
id1 = c(1:4, 4),
id2 = c(NA, letters[2:5]),
val2 = c("Lorem", "ipsum", "dolor", "sit", "amet")
)
## df1 df2
## id1 id2 val1 id1 id2 val2
## 1 1 a 0.000000 1 <NA> Lorem
## 2 2 b 1.000000 2 b ipsum
## 3 3 c 3.141593 3 c dolor
## 4 4 d 2.718282 4 d sit
## 5 4 e 42.000000 4 e amet
这将是我想要的结果:
desired_result <- data.frame(
id1 = c(1:4, 4),
id2 = letters[1:5],
val1 = c(0, 1, pi, exp(1), 42),
val2 = c("Lorem", "ipsum", "dolor", "sit", "amet")
)
## id1 id2 val1 val2
## 1 1 a 0.000000 Lorem
## 2 2 b 1.000000 ipsum
## 3 3 c 3.141593 dolor
## 4 4 d 2.718282 sit
## 5 4 e 42.000000 amet
在我想要的结果中,我想使用 id2
列中的信息,可用时,
解决由 id1
中的重复值引起的连接歧义。
例如,第4行和第5行的id1
相同,但我们可以通过id2
来区分它们。
所以,如果我尝试在 id1
上加入 just,我会得到太多的观察结果,
因为我没有利用 id2
中的这些信息来匹配记录:
library(dplyr)
left_join(df1, df2, by = "id1")
## id1 id2.x val1 id2.y val2
## 1 1 a 0.000000 <NA> Lorem
## 2 2 b 1.000000 b ipsum
## 3 3 c 3.141593 c dolor
## 4 4 d 2.718282 d sit
## 5 4 d 2.718282 e amet
## 6 4 e 42.000000 d sit
## 7 4 e 42.000000 e amet
但是,如果我尝试加入两个 ID,我会丢失第 1 行的 val2
中的信息,
因为 df2
在第 1 行的 id2
有 NA
:
left_join(df1, df2, by = c("id1", "id2"))
## id1 id2 val1 val2
## 1 1 a 0.000000 <NA>
## 2 2 b 1.000000 ipsum
## 3 3 c 3.141593 dolor
## 4 4 d 2.718282 sit
## 5 4 e 42.000000 amet
我如何left_join()
(或等价物)来实现我的desired_result
?
最佳答案
使用 data.table
的选项:
library(data.table)
setDT(df1)
setDT(df2)
df1[df2, on=.(id1, id2), mult="first", val2 := val2]
df1[is.na(val2), val2 :=
df2[.SD, on=.(id1), mult="first", val2]]
如果有多个连接(即 df2 中 id1 和 id2 的组合不是唯一的),我会冒昧地使用第一个值。
关于r - 如何使用多个列执行左连接,其中一个数据框在一列中有缺失?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/68310526/