5

我的问题与此处发布的问题非常相似。

不同之处在于他们知道会发生冲突的列，而我需要一个不会事先知道哪些列发生冲突的通用方法。

例子：

TABLE1
Date             Time    ColumnA    ColumnB
01/01/2013      08:00      10         30
01/01/2013      08:30      15         25
01/01/2013      09:00      20         20
02/01/2013      08:00      25         15
02/01/2013      08:30      30         10
02/01/2013      09:00      35         5

TABLE2
Date           ColumnA    ColumnB    ColumnC
01/01/2013      100        300         1
02/01/2013      200        400         2

表 2 仅包含日期，因此适用于表 A 中与日期匹配的所有字段，而不考虑时间。

我希望合并将冲突的列总和为 1。结果应如下所示：

TABLE3
Date             Time    ColumnA    ColumnB    ColumnC
01/01/2013      08:00      110         330        1
01/01/2013      08:30      115         325        1
01/01/2013      09:00      120         320        1
02/01/2013      08:00      225         415        2
02/01/2013      08:30      230         410        2
02/01/2013      09:00      235         405        2

目前，我的标准合并只创建了“ColumnA.x”、“ColumnA.y”、“ColumnB.x”、“ColumnB.y”的重复列。

任何帮助深表感谢

4

3 回答 3

4

如果我理解正确，您需要一种灵活的方法，除了要合并的列和要保留的列之外，不需要知道每个表中存在哪些列。这可能不是最优雅的解决方案，但这里有一个示例函数可以满足您的确切需求：

merge_Sum <- function(.df1, .df2, .id_Columns, .match_Columns){
    merged_Columns <- unique(c(names(.df1),names(.df2)))
    merged_df1 <- data.frame(matrix(nrow=nrow(.df1), ncol=length(merged_Columns)))
    names(merged_df1) <- merged_Columns
    for (column in merged_Columns){
        if(column %in% .id_Columns | !column %in% names(.df2)){
            merged_df1[, column] <- .df1[, column]
        } else if (!column %in% names(.df1)){
            merged_df1[, column] <- .df2[match(.df1[, .match_Columns],.df2[, .match_Columns]), column]
        } else {
            df1_Values=.df1[, column]
            df2_Values=.df2[match(.df1[, .match_Columns],.df2[, .match_Columns]), column]
            df2_Values[is.na(df2_Values)] <- 0
            merged_df1[, column] <- df1_Values + df2_Values
        }
    }
    return(merged_df1)
}

此函数假定您有一个表“.df1”，它是排序大师，并且您想要合并第二个表“.df2”中的数据，该表的行与“.df1”中的一个或多个行匹配。从主表“.df1”中保留的列被接受为数组“.id_Columns”，为合并两个表提供匹配的列被接受为数组“.match_Columns”

对于您的示例，它将像这样工作：

merge_Sum(table1, table2, c("Date","Time"), "Date")

#   Date       Time  ColumnA ColumnB ColumnC
# 1 01/01/2013 08:00     110     330       1
# 2 01/01/2013 08:30     115     325       1
# 3 01/01/2013 09:00     120     320       1
# 4 02/01/2013 08:00     225     415       2
# 5 02/01/2013 08:30     230     410       2
# 6 02/01/2013 09:00     235     405       2

用简单的语言来说，这个函数首先找到唯一列的总数，然后创建一个主表“.df1”形状的空数据框，以便稍后保存合并的数据。然后，对于“.id_Columns”，将数据从“.df1”复制到新的合并数据框中。对于其他列，将“.df1”中存在的任何数据添加到“.df2”中的任何现有数据中，其中“.df2”中的行基于“.match_Columns”进行匹配

可能有一些包可以做类似的事情，但其中大多数需要了解所有现有列以及如何处理它们。正如我之前所说，这不是最优雅的解决方案，但它灵活且准确。

更新：原始函数假定 table1 和 table2 之间存在多对一关系，并且 OP 也要求允许多对无关系。代码已更新为效率稍低但 100% 更灵活的逻辑。

于 2013-02-06T16:15:37.710 回答
3

一个data.table解决方案：

dt1 <- data.table(read.table(header=T, text="Date             Time    ColumnA    ColumnB
01/01/2013      08:00      10         30
01/01/2013      08:30      15         25
01/01/2013      09:00      20         20
02/01/2013      08:00      25         15
02/01/2013      08:30      30         10
02/01/2013      09:00      35         5"))

dt2 <- data.table(read.table(header=T, text="Date           ColumnA    ColumnB    ColumnC
01/01/2013      100        300         1
02/01/2013      200        400         2"))

setkey(dt1, "Date")
setkey(dt2, "Date")
# Note: The ColumnC assignment has to be come before the summing operations
# Else it gives out error (see below)
dt1[dt2, `:=`(ColumnC = i.ColumnC, ColumnA = ColumnA + i.ColumnA, 
                        ColumnB = ColumnB + i.ColumnB)]

#          Date  Time ColumnA ColumnB ColumnC
# 1: 01/01/2013 08:00     110     330       1
# 2: 01/01/2013 08:30     115     325       1
# 3: 01/01/2013 09:00     120     320       1
# 4: 02/01/2013 08:00     225     415       2
# 5: 02/01/2013 08:30     230     410       2
# 6: 02/01/2013 09:00     235     405       2

我不确定为什么将ColumnC赋值放在右端会引发此错误。也许 MatthewDowle 可以解释这个错误的原因。

dt1[dt2, `:=`(ColumnA = ColumnA + i.ColumnA, ColumnB = ColumnB + i.ColumnB, 
                        ColumnC = i.ColumnC)]

Error in `[.data.table`(dt1, dt2, `:=`(ColumnA = ColumnA + i.ColumnA,  : 
  Value of SET_STRING_ELT() must be a 'CHARSXP' not a 'NULL'

从 v1.8.9 更新：

o 按组将添加新列与更新现有列混合为一个:=()；即，
DT[,:=(existingCol=...,newCol=...), by=...]
现在可以正常工作，没有错误或段错误，#2778 和 #2528。非常感谢 Arun 用可重复的例子报告了这两个问题。添加了测试。

于 2013-02-06T15:14:57.790 回答
0

我写了包safejoin，它非常简洁地解决了这个问题

#devtools::install_github("moodymudskipper/safejoin")
library(safejoin)

safe_full_join(df1,df2, by = "Date", conflict = `+`)
#         Date  Time ColumnA ColumnB ColumnC
# 1 01/01/2013 08:00     110     330       1
# 2 01/01/2013 08:30     115     325       1
# 3 01/01/2013 09:00     120     320       1
# 4 02/01/2013 08:00     225     415       2
# 5 02/01/2013 08:30     230     410       2
# 6 02/01/2013 09:00     235     405       2

在发生冲突的情况下，该函数+用于成对的冲突列

数据

df1 <- read.table(header=T, text="Date             Time    ColumnA    ColumnB
01/01/2013      08:00      10         30
01/01/2013      08:30      15         25
01/01/2013      09:00      20         20
02/01/2013      08:00      25         15
02/01/2013      08:30      30         10
02/01/2013      09:00      35         5")

df2 <- read.table(header=T, text="Date           ColumnA    ColumnB    ColumnC
01/01/2013      100        300         1
02/01/2013      200        400         2")
于 2019-03-02T23:25:35.487 回答