R 通过合并两个数据帧进行解密

我正在尝试将数据重新映射到他们的加密ID（我不再有权访问将加密ID与参与者ID链接的映射密钥）

在我的例子中，df1有95K行，dh2=94K行，两者都有相同的列（n=360）。我想通过所有列合并df1和df2（具有不同数量的观察值）

对于可再现的示例：

df1 = data.frame(PID=c(1:10),
         Sex = c(rep("male", 4), rep("female", 6)),
         Age=c(rep("35",2), "27" ,rep("28", 2), rep("50",2), rep("55", 1), "66", "54")) 


df2 = data.frame(EID=c("PI_1234", "PI_1235", "PI_1236", "PI_1237", "PI_1238"),
    Sex=c("female", "female", "male", "male", "female"),
    Age=c("28", "50", "28", "27", "66") )


df3 =data.frame(PID=c(5, 7, 4, 3, 9), 
    EID=c("PI_1234", "PI_1235", "PI_1236", "PI_1237", "PI_1238"),
    Sex=c("female", "female", "male", "male", "female"),
    Age=c("28", "50", "28", "27", "66") )

---

我想创建df3，保留所有匹配的观测值（用加密ID（EID）映射PID）。这可能吗

似乎

merge

函数很适合这样做

df3 <- merge(df1, df2)

如果要对列重新排序

df3 <- df3[c(3,4,1,2)]

---

似乎

merge

函数很适合这样做

df3 <- merge(df1, df2)

如果要对列重新排序

df3 <- df3[c(3,4,1,2)]

---

这是一个data.table解决方案，它可能比大型数据集上的

merge（…）

更快

library(data.table)
DT1 <- data.table(df1,key=colnames(df1)[-1])
DT2 <- data.table(df2,key=colnames(df2)[-1])
DT1[DT2,nomatch=0]
#    PID    Sex Age     EID
# 1:   5 female  28 PI_1234
# 2:   6 female  50 PI_1235
# 3:   7 female  50 PI_1235
# 4:   9 female  66 PI_1238
# 5:   3   male  27 PI_1237
# 6:   4   male  28 PI_1236

库（data.table）
DT1这是一个data.table解决方案，它可能比大型数据集上的
merge（…）
更快

library(data.table)
DT1 <- data.table(df1,key=colnames(df1)[-1])
DT2 <- data.table(df2,key=colnames(df2)[-1])
DT1[DT2,nomatch=0]
#    PID    Sex Age     EID
# 1:   5 female  28 PI_1234
# 2:   6 female  50 PI_1235
# 3:   7 female  50 PI_1235
# 4:   9 female  66 PI_1238
# 5:   3   male  27 PI_1237
# 6:   4   male  28 PI_1236

库（data.table）
DT1我们如何知道PID 5映射到EID PI_1234，PID 7映射到EID PI_1235，等等？而且您的示例没有与您的描述相同的列，因为PID 6和PID 7在这里都可能匹配，所以我理解re:EID_1235的问题。实际上，我有359个变量可以匹配。考虑到只有一名28岁的女性，EID_1234映射到5岁。我的dataframes的所有列都相同，除了ID列——一个是PID，另一个是加密ID（EID）。如果有两个28岁的女性呢？它们具有相同的ID？您的
df1
具有2行
female-50
行，具有不同的
PID
（6和7）。但是您的结果，
df3
，只有1个
female-50
行（PID=6）。怎么回事？我们怎么知道PID 5映射到EID PI_1234，PID 7映射到EID PI_1235，等等？而且您的示例没有与您的描述相同的列，因为PID 6和PID 7在这里都可能匹配，所以我理解re:EID_1235的问题。实际上，我有359个变量可以匹配。考虑到只有一名28岁的女性，EID_1234映射到5岁。我的dataframes的所有列都相同，除了ID列——一个是PID，另一个是加密ID（EID）。如果有两个28岁的女性呢？它们具有相同的ID？您的
df1
具有2行
female-50
行，具有不同的
PID
（6和7）。但是您的结果，
df3
，只有1个
female-50
行（PID=6）。发生了什么？有没有一种方法可以做到这一点，而不必指定要合并的确切列？我想和每一列合并。是的，我实际上是为了更明确的目的添加了这个。默认情况下，
merge
不接受
By
参数。默认情况下，
By=intersect（names（x），names（y））
有没有一种方法可以做到这一点，而不必指定要合并的确切列？我想和每一列合并。是的，我实际上是为了更明确的目的添加了这个。默认情况下，
merge
不接受
By
参数。默认情况下，
By=intersect（名称（x）、名称（y））
。