Объединить/объединить столбцы с тем же именем, но неполные данные

У меня есть два кадра данных, которые имеют несколько столбцов с одинаковыми именами и другие с разными именами. Кадры данных выглядят примерно так:

df1
      ID hello world hockey soccer
    1  1    NA    NA      7      4
    2  2    NA    NA      2      5
    3  3    10     8      8     23
    4  4     4    17      5     12
    5  5    NA    NA      3     43

df2    
      ID hello world football baseball
    1  1     2     3       43        6
    2  2     5     1       24       32
    3  3    NA    NA        2       23
    4  4    NA    NA        5       15
    5  5     9     7       12       23

Как вы можете видеть, в двух общих столбцах ("привет" и "мир") некоторые данные находятся в одном из кадров данных, а остальные - в другом.

То, что я пытаюсь сделать, это (1) объединить 2 кадра данных с помощью "id", (2) объединить все данные из столбцов "привет" и "мир" в обоих кадрах в 1 столбец "привет" и 1 "мир ", и (3) имеют окончательный кадр данных, также содержат все остальные столбцы в двух исходных кадрах (" хоккей "," футбол "," футбол "," бейсбол "). Итак, я хочу, чтобы конечный результат был таким:

  ID hello world hockey soccer football baseball
1  1     2     3      7      4        43       6
2  2     5     3      2      5        24      32
3  3    10     8      8     23         2      23
4  4     4    17      5     12         5      15
5  5     9     7      3     43        12      23

Я новичок в R, поэтому только те коды, которые я пробовал, являются вариантами merge и я пробовал ответ, который я нашел здесь, который был основан на аналогичном вопросе: R: объединение копий одной и той же переменной. Однако мои наборы данных на самом деле намного больше, чем то, что я показываю здесь (около 20 соответствующих столбцов (например, "привет" и "мир") и 100 несовпадающих (например, "хоккей" и "футбол") поэтому я ищу что-то, что не потребует от меня написать все это вручную.

Любая идея, если это можно сделать? Извините, я не могу представить пример своих усилий, но я действительно не знаю, с чего начать:

mydata <- merge(df1, df2, by=c("ID"), all = TRUE)

Для воспроизведения кадров данных:

df1 <- structure(list(ID = c(1L, 2L, 3L, 4L, 5L), hellow = c(2, 5, NA, NA, 9), 
       world = c(3, 1, NA, NA, 7), football = c(43, 24, 2, 5, 12), 
       baseball = c(6, 32, 23, 15, 23)), .Names = c("ID", "hello", "world", 
       "football", "baseball"), class = "data.frame", row.names = c(NA, -5L)) 

df2 <- structure(list(ID = c(1L, 2L, 3L, 4L, 5L), hellow = c(NA, NA, 10, 4, NA), 
       world = c(NA, NA, 8, 17, NA), hockey = c(7, 2, 8, 5, 3), 
       soccer = c(4, 5, 23, 12, 43)), .Names = c("ID", "hello", "world", "hockey", 
       "soccer"), class = "data.frame", row.names = c(NA, -5L))

Ответ 1

Здесь используется подход, который включает melt ваши данные, слияние расплавленных данных и использование dcast, чтобы вернуть его в широкую форму. Я добавил комментарии, чтобы понять, что происходит.

## Required packages
library(data.table)
library(reshape2)

dcast.data.table(
  merge(
    ## melt the first data.frame and set the key as ID and variable
    setkey(melt(as.data.table(df1), id.vars = "ID"), ID, variable), 
    ## melt the second data.frame
    melt(as.data.table(df2), id.vars = "ID"), 
    ## you'll have 2 value columns...
    all = TRUE)[, value := ifelse(
      ## ... combine them into 1 with ifelse
      is.na(value.x), value.y, value.x)], 
  ## This is your reshaping formula
  ID ~ variable, value.var = "value")
#    ID hello world football baseball hockey soccer
# 1:  1     2     3       43        6      7      4
# 2:  2     5     1       24       32      2      5
# 3:  3    10     8        2       23      8     23
# 4:  4     4    17        5       15      5     12
# 5:  5     9     7       12       23      3     43

Ответ 2

Никто не выложил решение dplyr, так что здесь можно найти краткий вариант в dplyr. Подход - это просто сделать full_join который объединяет все строки, затем group и summarise чтобы удалить избыточные отсутствующие ячейки.

library(tidyverse)
df1 <- structure(list(ID = 1:5, hello = c(NA, NA, 10L, 4L, NA), world = c(NA, NA, 8L, 17L, NA), hockey = c(7L, 2L, 8L, 5L, 3L), soccer = c(4L, 5L, 23L, 12L, 43L)), row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"), spec = structure(list(cols = list(ID = structure(list(), class = c("collector_integer", "collector")), hello = structure(list(), class = c("collector_integer", "collector")), world = structure(list(), class = c("collector_integer", "collector")), hockey = structure(list(), class = c("collector_integer", "collector")), soccer = structure(list(), class = c("collector_integer", "collector"))), default = structure(list(), class = c("collector_guess", "collector"))), class = "col_spec"))
df2 <- structure(list(ID = 1:5, hello = c(2L, 5L, NA, NA, 9L), world = c(3L, 1L, NA, NA, 7L), football = c(43L, 24L, 2L, 5L, 12L), baseball = c(6L, 32L, 23L, 15L, 2L)), row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"), spec = structure(list(cols = list(ID = structure(list(), class = c("collector_integer", "collector")), hello = structure(list(), class = c("collector_integer", "collector")), world = structure(list(), class = c("collector_integer", "collector")), football = structure(list(), class = c("collector_integer", "collector")), baseball = structure(list(), class = c("collector_integer", "collector"))), default = structure(list(), class = c("collector_guess", "collector"))), class = "col_spec"))

df1 %>%
  full_join(df2, by = intersect(colnames(df1), colnames(df2))) %>%
  group_by(ID) %>%
  summarize_all(na.omit)
#> # A tibble: 5 x 7
#>      ID hello world hockey soccer football baseball
#>   <int> <int> <int>  <int>  <int>    <int>    <int>
#> 1     1     2     3      7      4       43        6
#> 2     2     5     1      2      5       24       32
#> 3     3    10     8      8     23        2       23
#> 4     4     4    17      5     12        5       15
#> 5     5     9     7      3     43       12        2

Создан в 2018-07-13 пакетом reprex (v0.2.0).

Ответ 3

Здесь другой подход data.table, использующий двоичное слияние

library(data.table)
setkey(setDT(df1), ID) ; setkey(setDT(df2), ID) # Converting to data.table objects and setting keys
df1 <- df1[df2][, `:=`(i.hello = NULL, i.world = NULL)] # Full left join
df1[df2[complete.cases(df2)], `:=`(hello = i.hello, world = i.world)][] # Joining only on non-missing values
#    ID hello world football baseball hockey soccer
# 1:  1     2     3       43        6      7      4
# 2:  2     5     1       24       32      2      5
# 3:  3    10     8        2       23      8     23
# 4:  4     4    17        5       15      5     12
# 5:  5     9     7       12       23      3     43

Ответ 4

@ответ ananda-mahto более изящный, но вот мое предложение:

library(reshape2)
df1=melt(df1,id='ID',na.rm=TRUE)
df2=melt(df2,id='ID',na.rm=TRUE)
DF=rbind(df1,df2)
# Not needeed,  added na.rm=TRUE based on @ananda-mahto valid comment
# DF<-DF[!is.na(DF$value),]
dcast(DF,ID~variable,value.var='value')

Ответ 5

Вот более ориентированный на tidyr подход, который делает что-то похожее на принятый в настоящее время ответ. Подход состоит в том, чтобы просто складывать кадры данных друг над другом с помощью bind_rows (который соответствует именам столбцов), gather все столбцы без ID с na.rm = TRUE и затем spread их обратно. Это должно быть устойчивым к ситуациям, когда условие "если значение NA в" df1 "имеет значение в" df2 "(и наоборот)" не всегда выполняется, по сравнению с опцией summarise.

library(tidyverse)
df1 <- structure(list(ID = 1:5, hello = c(NA, NA, 10L, 4L, NA), world = c(NA, NA, 8L, 17L, NA), hockey = c(7L, 2L, 8L, 5L, 3L), soccer = c(4L, 5L, 23L, 12L, 43L)), row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"), spec = structure(list(cols = list(ID = structure(list(), class = c("collector_integer", "collector")), hello = structure(list(), class = c("collector_integer", "collector")), world = structure(list(), class = c("collector_integer", "collector")), hockey = structure(list(), class = c("collector_integer", "collector")), soccer = structure(list(), class = c("collector_integer", "collector"))), default = structure(list(), class = c("collector_guess", "collector"))), class = "col_spec"))
df2 <- structure(list(ID = 1:5, hello = c(2L, 5L, NA, NA, 9L), world = c(3L, 1L, NA, NA, 7L), football = c(43L, 24L, 2L, 5L, 12L), baseball = c(6L, 32L, 23L, 15L, 2L)), row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"), spec = structure(list(cols = list(ID = structure(list(), class = c("collector_integer", "collector")), hello = structure(list(), class = c("collector_integer", "collector")), world = structure(list(), class = c("collector_integer", "collector")), football = structure(list(), class = c("collector_integer", "collector")), baseball = structure(list(), class = c("collector_integer", "collector"))), default = structure(list(), class = c("collector_guess", "collector"))), class = "col_spec"))

df1 %>%
  bind_rows(df2) %>%
  gather(variable, value, -ID, na.rm = TRUE) %>%
  spread(variable, value)
#> # A tibble: 5 x 7
#>      ID baseball football hello hockey soccer world
#>   <int>    <int>    <int> <int>  <int>  <int> <int>
#> 1     1        6       43     2      7      4     3
#> 2     2       32       24     5      2      5     1
#> 3     3       23        2    10      8     23     8
#> 4     4       15        5     4      5     12    17
#> 5     5        2       12     9      3     43     7

Создан в 2018-07-13 пакетом reprex (v0.2.0).

Ответ 6

Используя tidyverse мы могли бы использовать coalesce.

Ни одно из приведенных ниже решений не создает лишние строки, данные остаются примерно одинаковыми по размеру и подобной форме во всей цепочке.

Решение 1

list(df1,df2) %>%
  transpose(union(names(df1),names(df2))) %>%
  map_dfc(. %>% compact %>% invoke(coalesce,.))

# # A tibble: 5 x 7
#      ID hello world football baseball hockey soccer
#   <int> <dbl> <dbl>    <dbl>    <dbl>  <dbl>  <dbl>
# 1     1     2     3       43        6      7      4
# 2     2     5     1       24       32      2      5
# 3     3    10     8        2       23      8     23
# 4     4     4    17        5       15      5     12
# 5     5     9     7       12       23      3     43

Пояснения

  • Оберните оба кадра данных в list
  • transpose его, поэтому каждый новый элемент в корне имеет имя столбца вывода. Поведение по умолчанию для transpose по умолчанию заключается в том, чтобы принять первый аргумент как шаблон, поэтому, к сожалению, мы должны быть явным, чтобы получить все из них.
  • compact эти элементы, так как все они были длиной 2, но с одним из них был NULL когда данный столбец отсутствовал с одной стороны.
  • coalesce те, которые в основном означают возврат первого не NA вы находите, при постановке аргументов бок о бок.

если повторение df1 и df2 во второй строке является проблемой, используйте вместо этого следующее:

transpose(invoke(union, setNames(map(., names), c("x","y"))))

Решение 2

Такая же философия, но на этот раз мы зацикливаемся на именах:

map_dfc(set_names(union(names(df1), names(df2))),
        ~ invoke(coalesce, compact(list(df1[[.x]], df2[[.x]]))))

# # A tibble: 5 x 7
#      ID hello world football baseball hockey soccer
#   <int> <dbl> <dbl>    <dbl>    <dbl>  <dbl>  <dbl>
# 1     1     2     3       43        6      7      4
# 2     2     5     1       24       32      2      5
# 3     3    10     8        2       23      8     23
# 4     4     4    17        5       15      5     12
# 5     5     9     7       12       23      3     43

Здесь он однажды используется для тех, кто предпочитает:

union(names(df1), names(df2)) %>%
  set_names %>%
  map_dfc(~ list(df1[[.x]], df2[[.x]]) %>%
            compact %>%
            invoke(coalesce, .))

Пояснения

  • set_names дает имена векторных символов, идентичные его значениям, поэтому map_dfc может map_dfc выходные столбцы.
  • df1[[.x]] вернет NULL когда .x не является столбцом df1, мы воспользуемся этим.
  • df1 и df2 упоминаются 2 раза каждый, и я не могу думать об этом.

Решение 1 является более чистым в отношении этих пунктов, поэтому я рекомендую его.