27

我有两个数据框:

df1
x1  x2
1   a
2   b
3   c
4   d

df2
x1  x2
2   zz
3   qq

我想根据 df1$x1 和 df2$x2 之间的条件匹配将 df1$x2 中的一些值替换为 df2$x2 中的值,以产生:

df1
x1  x2
1   a
2   zz
3   qq
4   d
4

7 回答 7

27

使用match(),假设 df1 中的值是唯一的。

df1 <- data.frame(x1=1:4,x2=letters[1:4],stringsAsFactors=FALSE)
df2 <- data.frame(x1=2:3,x2=c("zz","qq"),stringsAsFactors=FALSE)

df1$x2[match(df2$x1,df1$x1)] <- df2$x2
> df1
  x1 x2
1  1  a
2  2 zz
3  3 qq
4  4  d

如果值不是唯一的,请使用:

for(id in 1:nrow(df2)){
  df1$x2[df1$x1 %in% df2$x1[id]] <- df2$x2[id]
}
于 2011-05-24T14:49:10.000 回答
7

我们可以使用eat我的包safejoin,并在列冲突时将匹配项从 rhs “修补”到 lhs 中。

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

df1 <- data.frame(x1=1:4,x2=letters[1:4],stringsAsFactors=FALSE)
df2 <- data.frame(x1=2:3,x2=c("zz","qq"),stringsAsFactors=FALSE)

eat(df1, df2, .by = "x1", .conflict = "patch")
#   x1 x2
# 1  1  a
# 2  2 zz
# 3  3 qq
# 4  4  d
于 2019-02-26T00:36:14.057 回答
7

Joris 回答的第一部分很好,但是在 中的非唯一值的情况下df1,逐行 for 循环将无法在大型 data.frames 上很好地扩展。

您可以使用data.table“更新连接”进行原地修改,这将非常快:

library(data.table)
setDT(df1); setDT(df2)
df1[df2, on = .(x1), x2 := i.x2]

或者,假设您不关心维护行顺序,您可以使用 SQL-inspired dplyr

library(dplyr)
union_all(
  inner_join( df1["x1"], df2 ), # x1 from df1 with matches in df2, x2 from df2
  anti_join(  df1, df2["x1"] )  # rows of df1 with no match in df2
) # %>% arrange(x1) # optional, won't maintain an arbitrary row order

这些中的任何一个都将比逐行 for 循环更好地扩展。

于 2017-07-21T15:17:12.670 回答
5

我看到 Joris 和 Aaron 都选择在没有因素的情况下构建示例。我当然可以理解这种选择。对于已经是因素的列的读者,还可以选择强制转换为“字符”。有一种策略可以避免这种约束,并且还允许可能存在索引的可能性,我认为这些索引df2不会df1使 Joris Meys 的解决方案无效,但 Aaron 迄今为止发布的解决方案不会:

df1 <- data.frame(x1=1:4,x2=letters[1:4])
df2 <- data.frame(x1=c(2,3,5), x2=c("zz", "qq", "xx") )

它需要扩展级别以包括两个因子变量的交集,然后还需要在 match(df1$x1, df2$x1) 中删除不匹配的列(= NA 值)

 df1$x2 <- factor(df1$x2 , levels=c(levels(df1$x2), levels(df2$x2)) )
 df1$x2[na.omit(match(df2$x1,df1$x1))] <- df2$x2[which(df2$x1 %in% df1$x1)]
 df1
#-----------
  x1 x2
1  1  a
2  2 zz
3  3 qq
4  4  d

(请注意,R 的最新版本在函数默认值中没有stringsAsFactors设置为 TRUE,这data.frame与 R 的大部分历史不同。)

于 2011-05-24T15:32:25.097 回答
4

您也可以通过匹配其他方式来做到这一点,但它更复杂。Joris 的解决方案更好,但我将其放在这里也是为了提醒您考虑要匹配的方式。

df1 <- data.frame(x1=1:4, x2=letters[1:4], stringsAsFactors=FALSE)
df2 <- data.frame(x1=2:3, x2=c("zz", "qq"), stringsAsFactors=FALSE)
swap <- df2$x2[match(df1$x1, df2$x1)]
ok <- !is.na(swap)
df1$x2[ok] <- swap[ok]

> df1
  x1 x2
1  1  a
2  2 zz
3  3 qq
4  4  d
于 2011-05-24T14:59:45.580 回答
4

可以用dplyr.

library(dplyr)

full_join(df1,df2,by = c("x1" = "x1")) %>% 
  transmute(x1 = x1,x2 = coalesce(x2.y,x2.x))

  x1 x2
1  1  a
2  2 zz
3  3 qq
4  4  d
于 2019-04-26T22:13:04.987 回答
3

这里是新的,但使用以下 dplyr 方法似乎与
上面的答案之一相似但略有不同

df3 <- anti_join(df1, df2, by = "x1")
df3 <- rbind(df3, df2)
df3
于 2019-04-26T13:41:54.890 回答