合并R中具有公共和非公共样本的两个数据帧
我有两个数据帧,Data1和Data2,我想基于变量“ID”合并它们 此示例数据可在此处下载: 这是第一个数据帧:合并R中具有公共和非公共样本的两个数据帧,r,merge,unique,R,Merge,Unique,我有两个数据帧,Data1和Data2,我想基于变量“ID”合并它们 此示例数据可在此处下载: 这是第一个数据帧: > Data1 ID Fruit Color Weight 1 1 Apple Red 5 2 2 Orange Orange 7 3 3 Banana Yellow 3 4 4 Pear Green 5 5 5 Tomato Red 4 6
> Data1
ID Fruit Color Weight
1 1 Apple Red 5
2 2 Orange Orange 7
3 3 Banana Yellow 3
4 4 Pear Green 5
5 5 Tomato Red 4
6 6 Berry Blue 4
7 7 Mandarin Orange 4
8 8 Pineapple Yellow 9
9 9 Nectarine Orange 5
10 10 Beet Red 5
> Data2
ID Fruit Color Weight
1 1 Apple Red 5
2 2 Orange Orange 7
3 3 Banana Yellow 3
4 4 Pear Green 5
5 5 Tomato Red 4
6 11 Pomegranate Red 6
7 12 Grape Green 4
8 13 Cranberry Red 4
9 14 Melon Pink 5
10 15 Pumpkin Orange 10
这是第二个数据帧:
> Data1
ID Fruit Color Weight
1 1 Apple Red 5
2 2 Orange Orange 7
3 3 Banana Yellow 3
4 4 Pear Green 5
5 5 Tomato Red 4
6 6 Berry Blue 4
7 7 Mandarin Orange 4
8 8 Pineapple Yellow 9
9 9 Nectarine Orange 5
10 10 Beet Red 5
> Data2
ID Fruit Color Weight
1 1 Apple Red 5
2 2 Orange Orange 7
3 3 Banana Yellow 3
4 4 Pear Green 5
5 5 Tomato Red 4
6 11 Pomegranate Red 6
7 12 Grape Green 4
8 13 Cranberry Red 4
9 14 Melon Pink 5
10 15 Pumpkin Orange 10
我尝试过这样合并它们:
> merge(Data1, Data2, by = "ID", sort = FALSE, all.x = TRUE, all.y = TRUE)
ID Fruit.x Color.x Weight.x Fruit.y Color.y Weight.y
1 1 Apple Red 5 Apple Red 5
2 2 Orange Orange 7 Orange Orange 7
3 3 Banana Yellow 3 Banana Yellow 3
4 4 Pear Green 5 Pear Green 5
5 5 Tomato Red 4 Tomato Red 4
6 9 Nectarine Orange 5 <NA> <NA> NA
7 6 Berry Blue 4 <NA> <NA> NA
8 7 Mandarin Orange 4 <NA> <NA> NA
9 8 Pineapple Yellow 9 <NA> <NA> NA
10 10 Beet Red 5 <NA> <NA> NA
11 14 <NA> <NA> NA Melon Pink 5
12 11 <NA> <NA> NA Pomegranate Red 6
13 12 <NA> <NA> NA Grape Green 4
14 13 <NA> <NA> NA Cranberry Red 4
15 15 <NA> <NA> NA Pumpkin Orange 10
>合并(Data1、Data2、by=“ID”、sort=FALSE、all.x=TRUE、all.y=TRUE)
ID水果.x颜色.x重量.x水果.y颜色.y重量.y
1苹果红5苹果红5
2 2橙橙7橙橙7
3香蕉黄3香蕉黄3
4梨绿5梨绿5
5番茄红4番茄红4
6 9油桃橙5 NA
7 6浆果蓝4 NA
8 7橘子4 NA
9 8菠萝黄9 NA
10 10甜菜红5 NA
11 14 NA甜瓜粉5
12 11 NA石榴红6
13 12 NA葡萄绿4
14 13 NA蔓越莓红4
15 NA南瓜橙10
如您所见,两个数据帧都有许多相同的变量。但是,Data1中的某些ID不在Data2中,反之亦然。此外,一些ID位于两个数据帧中
问题1:我想合并上面显示的所有列。所以,我希望“Fruit.x”与“Fruit.y”合并。进入一个名为“水果”的栏目。我该怎么做
问题2:如果Data1和Data2中碰巧存在一个样本,其中一个值不一致怎么办。对于示例ID 1,如果Fruit.x是Apple,但是Fruit.y被错误地编码为Aple(拼写错误),有没有办法快速检查所有这些实例,以便选择正确的实例?或者,当发生这种情况时,我能告诉R总是考虑DATA1与DATA2是正确的吗?< /P>
谢谢所有能帮忙的人 这应该可以让您大致了解这一点:它将堆叠两个数据帧并删除重复的行
unique(rbind(Data1, Data2))
对不起,我没有处理拼写错误的好方法。要回答问题1:
merge(data1, data2, all=T)
应该给你你想要的。但它不会处理拼写错误。你必须单独处理它们unique
是一个很好的工具,可以按原样找到它们,从而降低资本化问题的标准化程度。尝试以下方法:
merge(Data1, Data2, all = TRUE)
如果amatch
是与fruit
的近似匹配,而near
包含与之不完全匹配的近似匹配,请尝试以下拼写:
for(fruit in Data1$Fruit) {
amatch <- agrep(fruit, Data2$Fruit, value = TRUE)
near <- amatch[amatch != fruit]
if (length(near) > 0) cat(fruit, ":", near, "\n")
}
编辑:提高了代码的清晰度感谢大家的回答+向所有人致意!