8

我想合并一大组数据框（大约 30 个），每个数据框都有大约 200 个变量。这些数据集非常相似但并不完全相同。

请在下面找到两个示例数据框：

library(data.table)
library(haven)
df1 <- fread(
    "A   B   C  iso   year   
     0   B   1  NLD   2009   
     1   A   2  NLD   2009   
     0   Y   3  AUS   2011   
     1   Q   4  AUS   2011   
     0   NA  7  NLD   2008   
     1   0   1  NLD   2008   
     0   1   3  AUS   2012",
  header = TRUE
)
df2 <- fread(
    "A   B   D  E  iso   year   
     0   1   1  NA ECU   2009   
     1   0   2  0  ECU   2009   
     0   0   3  0  BRA   2011   
     1   0   4  0  BRA   2011   
     0   1   7  NA ECU   2008   
     1   0   1  0  ECU   2008   
     0   0   3  2  BRA   2012   
     1   0   4  NA BRA   2012",
  header = TRUE
)

要重新创建错误：

class(df2$B) <- "anything"

当我执行以下操作时

df_merged <- rbindlist(list(df1, df2), fill=TRUE, use.names=TRUE)

数据集给出了错误：

Error in rbindlist(list(df1, df2), fill = TRUE, use.names = TRUE) : 
  Class attribute on column 2 of item 2 does not match with column 2 of item 1.

我可以做什么：

  1. 跳过rbindlist不匹配的列并添加一些后缀。
  2. 将其中一列的类更改为另一列。

选项 1 的预期结果：

df_merged <- fread(
    "A   B  B.x  C  D   E   iso   year   
     0   A   NA  1  NA  NA  NLD   2009   
     1   Y   NA  2  NA  NA  NLD   2009   
     0   Q   NA  3  NA  NA  AUS   2011   
     1   NA  NA  4  NA  NA  AUS   2011   
     0   0   NA  7  NA  NA  NLD   2008   
     1   1   NA  1  NA  NA  NLD   2008   
     0   1   NA  3  NA  NA  AUS   2012   
     0   NA  1   NA  1  NA  ECU   2009   
     1   NA  0   NA  2  0   ECU   2009   
     0   NA  0   NA  3  0   BRA   2011   
     1   NA  0   NA  4  0   BRA   2011   
     0   NA  1   NA  7  NA  ECU   2008   
     1   NA  0   NA  1  0   ECU   2008   
     0   NA  0   NA  3  2   BRA   2012   
     1   NA  0   NA  4  NA  BRA   2012",
   header = TRUE
)

选项 2 的预期结果：

df_merged <- fread(
    "A   B   C  D   E   iso   year   
     0   3   1  NA  NA  NLD   2009   
     1   4   2  NA  NA  NLD   2009   
     0   5   3  NA  NA  AUS   2011   
     1   5   4  NA  NA  AUS   2011   
     0   0   7  NA  NA  NLD   2008   
     1   1   1  NA  NA  NLD   2008   
     0   1   3  NA  NA  AUS   2012   
     0   1   NA  1  NA  ECU   2009   
     1   0   NA  2  0   ECU   2009   
     0   0   NA  3  0   BRA   2011   
     1   0   NA  4  0   BRA   2011   
     0   1   NA  7  NA  ECU   2008   
     1   0   NA  1  0   ECU   2008   
     0   0   NA  3  2   BRA   2012   
     1   0   NA  4  NA  BRA   2012",",
   header = TRUE
)
4

3 回答 3

4

我想出了这个绕过问题的不雅的解决方案。基本上，我所做的是将列表第一项的列的属性分配给与列表中所有其他项具有相同名称的列。请记住，此解决方案存在问题，并且根据项目的不同，这可能是一种非常错误的做法，因为它有可能会弄乱您的数据。但是，如果您需要rbindlist用来组合您的数据框，那么这就是诀窍


dfs <- list(df1, df2)
varnames <- names(dfs[[1]]) # variable names
vattr <- purrr::map_chr(varnames, ~class(dfs[[1]][[.x]])) # variable attributes

for (i in seq_along(dfs)) {
  # assign the same attributes of list 1 to the rest of the lists
  for (j in seq_along(varnames)) {
    if (varnames[[j]]  %in% names(dfs[[i]])) {
      class(dfs[[i]][[varnames[[j]]]]) <- vattr[[j]]
    } 
  }
}


df_merged <- data.table::rbindlist(dfs, fill=TRUE, use.names=TRUE)

最好的，

于 2020-01-09T20:58:33.197 回答
2

尝试ldply(list, data.frame)作为解决方法。为我工作， rbindlist() 不喜欢日期列。

于 2020-11-20T22:02:25.220 回答
2

对@R.Andres Castaneda 的回答更不优雅的解决方案是：

当使用freadsetcolClasses = "character"将所有内容强制转换为角色时，请执行rbindlist，然后选择您喜欢的方法，以便之后将所有内容强制恢复为合理的内容。

这并不优雅，但在读取不一致的数据时，我经常发现这是最简单的方法。

于 2021-05-25T09:54:44.323 回答