R，使用较新的数据更新列表

Question

这个问题与 this question that I created previously which has an answer 非常相似，但是我开始意识到我试图解决的问题已经发生了变化，我认为我应该重新开始。

我有两个数据框，如下所示:

df1<-structure(list(protocol_no = c("study1", "study2", "study3", 
"study4", "study5", "study6", "study7"), status = c("New", "Open", 
"Closed", "New", "PI signoff", "Closed", "Open")), row.names = c(NA, 
-7L), class = c("tbl_df", "tbl", "data.frame"))

df2<-structure(list(record_id = c(11, 12, 13, 14, 15, 16), protocol_no = c("study1", 
"study2", "study3", "study4", "study5", "study6"), status = c("New", 
"Closed", "Closed", "New", "PI signoff", "Closed"), form_1_complete = c(0, 
0, 0, 0, 0, 0)), row.names = c(NA, 6L), class = "data.frame")

它们几乎引用相同的数据，但 df1 总是较新且具有更多行，而 df2 较旧且具有更多列。此外，它们在现实生活中将有 20,000 多行。

我需要使用 df1 中的新信息更新 df2，这可能意味着需要对新行进行编号(record_id 列)，并且可能意味着更新“status”列(如果发生更改)。

例如，在此示例中，study7 的行是新的，需要添加并指定 record_id = 17(因为 16 是该列表停止的位置)。此外，study2 的状态从“关闭”更改为“打开”(在 df1 中为“打开”)，因此需要更改。

不起作用的事情:

In the previous solution它使用绑定(bind)行和不同的，但在这种情况下，由于 Study2 已更改并且需要更新，这将绑定(bind) Study2 的两个副本，并且难以区分要删除的副本。

我正在寻找的输出:

包含所有 4 列的数据框，所有内容都有 record_id，每个协议(protocol)一行(“protocol_no”)，以及已更改的任何状态已更新以反射(reflect) df1。就像这样:

Answer 1

在这里，加入就足够了

library(data.table)
setDT(df2)[as.data.table(df1), status := i.status, on = .(protocol_no)]

---

或者使用rows_upsert并在其他帖子中使用相同的代码

library(dplyr)
library(tidyr)
rows_upsert(df2, df1) %>%
  fill(record_id) %>% 
  mutate(record_id = record_id +  (rowid(record_id) - 1))

-输出

  record_id protocol_no     status form_1_complete
1        11      study1        New               0
2        12      study2       Open               0
3        13      study3     Closed               0
4        14      study4        New               0
5        15      study5 PI signoff               0
6        16      study6     Closed               0
7        17      study7       Open              NA