根据R中的列值将2个以上的数据帧合并在一起

我希望根据两列中的值将一个数据帧与多个数据帧合并。我知道我可以使用

merge（）

函数基于列中的一个元素合并两个数据帧，但我不知道当有两个以上的数据帧时如何合并

例如，将其作为主要数据帧：

yr.col <- c(rep("2018",3), rep("2017",4), rep("2016",5))
mnth.col <- sample.int(4,12, replace = TRUE)
lon <- c(paste(1:12,"x"))
lat <- c(paste(1:12,"y"))

df <- data.frame(yr.col,lon,lat)

产生以下警告：

Warning message:
In if (df$yr.col == "2018") { :
  the condition has length > 1 and only the first element will be used

它只获取第一个数据帧

env_18

，并将其与

df

我也试过2）

---

df.new您可以使用
dplyr
和
purrr
。我本可以使用
internal\u-join
，但决定保持
merge
与原来的帖子一样

map2_dfr(list(env_16, env_17, env_18),
                2016:2018,
                function(x,y){merge(df %>% filter(yr.col == y), x, by=c("lon", "lat"))})

输出

lon  lat yr.col tmp_16 tmp_17 tmp_18
1  10 x 10 y   2016      1     NA     NA
2  11 x 11 y   2016      8     NA     NA
3  12 x 12 y   2016      7     NA     NA
4   8 x  8 y   2016      7     NA     NA
5   9 x  9 y   2016      2     NA     NA
6   4 x  4 y   2017     NA      5     NA
7   5 x  5 y   2017     NA      4     NA
8   6 x  6 y   2017     NA      8     NA
9   7 x  7 y   2017     NA      7     NA
10  1 x  1 y   2018     NA     NA      6
11  2 x  2 y   2018     NA     NA      2
12  3 x  3 y   2018     NA     NA      1

您还可以从
tmp
s创建一列，并删除其余的列：

df$tmp <- coalesce(df$tmp_16, df$tmp_17, df$tmp_18)

df$tmp非常感谢您的帮助-非常有效！我只需要确保我将
map2\u-dfr
调用到一个新的数据帧中，然后
coalesce（）
打开。您提到
内部连接
，出于兴趣，我将如何这样做？另外，我可以了解
过滤器（yr.col==y）
在函数位中的作用吗？非常感谢。again@EveTC
internal\u join
的作用与
merge
相同，只是来自不同包（
dplyr
）的一个函数
filter（yr.col==y）
为给定的
y
子集原始数据帧-换句话说，根据年份对其进行过滤
map2_dfr(list(env_16, env_17, env_18),
                2016:2018,
                function(x,y){merge(df %>% filter(yr.col == y), x, by=c("lon", "lat"))})

lon  lat yr.col tmp_16 tmp_17 tmp_18
1  10 x 10 y   2016      1     NA     NA
2  11 x 11 y   2016      8     NA     NA
3  12 x 12 y   2016      7     NA     NA
4   8 x  8 y   2016      7     NA     NA
5   9 x  9 y   2016      2     NA     NA
6   4 x  4 y   2017     NA      5     NA
7   5 x  5 y   2017     NA      4     NA
8   6 x  6 y   2017     NA      8     NA
9   7 x  7 y   2017     NA      7     NA
10  1 x  1 y   2018     NA     NA      6
11  2 x  2 y   2018     NA     NA      2
12  3 x  3 y   2018     NA     NA      1

df$tmp <- coalesce(df$tmp_16, df$tmp_17, df$tmp_18)