通过ID合并R中的两个数据帧，一个是另一个的子集

我在R中有两个数据帧：“dfold”有175个变量，“dfnew”有75个变量。两个数据帧由主键（即“pid”）匹配。dfnew是dfold的子集，因此dfnew中的所有变量也在dfold上，但具有更新的插补值（不再有NAs）。同时，dfold有更多的变量，我将在分析阶段需要它们。我希望在dfmerge中合并2个数据帧，以便从dfnew-->dfold更新公共变量，但同时保留dfold中预先存在的变量。我尝试了merge（）、match（）、dplyr和sqldf包，但要么我获得了只包含更新的75个变量的dfmerge（左连接），要么获得了包含250个变量的dfmerge（包含NAs的旧变量和不包含它们的新变量共存）。我发现的唯一方法（这里）是一个优雅但相当长的（10行）循环，它在通过pid合并all.x=TRUE选项后消除了*.x变量。如果可以的话，请您提供一个更有效的方法来获得这样的结果

先谢谢你

附言：为了让事情变得更简单，我创建了dfold和dfnew的最小版本：dfnew现在有3个变量，没有NAs，而dfold有5个变量，包括NAs。这里是dataframes结构

数据格式：

structure(list(Country = structure(c(1L, 3L, 2L, 3L, 2L), .Label = c("France", 
"Germany", "Spain"), class = "factor"), Age = c(44L, 27L, 30L, 
38L, 40L), Salary = c(72000L, 48000L, 54000L, 61000L, NA), Purchased = structure(c(1L, 
2L, 1L, 1L, 2L), .Label = c("No", "Yes"), class = "factor"), 
    pid = 1:5), .Names = c("Country", "Age", "Salary", "Purchased", 
"pid"), row.names = c(NA, 5L), class = "data.frame")

dfnew：

structure(list(Age = c(44, 27, 30), Salary = c(72000, 48000, 
54000), pid = c(1, 2, 3)), .Names = c("Age", "Salary", "pid"), row.names = c(NA, 
3L), class = "data.frame")

---

虽然这里的问题仅限于2个变量，但请注意，实际情况将涉及75个变量

好的，这个解决方案假设您实际上不需要合并，只想用

dfnew

中的插补值更新

dfold

中的

NA

值

> dfold
  Country Age Salary Purchased pid
1  France  NA  72000        No   1
2   Spain  27  48000       Yes   2
3 Germany  30  54000        No   3
4   Spain  38  61000        No   4
5 Germany  40     NA       Yes   5

> dfnew
  Age Salary pid
1  44  72000   1
2  27  48000   2
3  30  54000   3
4  38  61000   4
5  40  70000   5

要对单个列执行此操作，请尝试

dfold$Salary <- ifelse(is.na(dfold$Salary), dfnew$Salary[dfnew$pid == dfold$pid], dfold$Salary)

> dfold
  Country Age Salary Purchased pid
1  France  NA  72000        No   1
2   Spain  27  48000       Yes   2
3 Germany  30  54000        No   3
4   Spain  38  61000        No   4
5 Germany  40  70000       Yes   5

现在使用

mapply

将

NA

值替换为

ifelse

：

dfold[,cols] <- mapply(function(x, y) ifelse(is.na(x), y[dfnew$pid == dfold$pid], x), dfold[,cols], dfnew[,cols])

> dfold
  Country Age Salary Purchased pid
1  France  44  72000        No   1
2   Spain  27  48000       Yes   2
3 Germany  30  54000        No   3
4   Spain  38  61000        No   4
5 Germany  40  70000       Yes   5

---

你能提供一些有意义的样本数据吗？可能每个数据帧中有10行，其中有5个公共变量，在dfold子样本中还有5个其他变量？我们当然很乐意这样做，但不知道如何在这里附加数据，有什么提示吗？最好的方法是对上面解释的子集使用

dput（）

命令，类似于

dput（dfold[1:10，1:10]）

和

dput（dfnew[1:10，1:5]）

（您可能需要更改列索引以获得5个常用变量和5个不常用变量）。然后将

R

控制台（通常以

结构（…

）的输出粘贴到您的问题文本中。在原始帖子中编辑，谢谢：）我刚刚让事情变得更简单了，但dfold和dfnew应该仍然有效。我将自己重新创建它，但最理想的是

dfnew

应该包括所有5行，尤其是

naa

列中的

Salary

值。很棒的优雅解决方案，刚刚在整个真实数据集上进行了测试，工作起来就像一个champ:）只是为了适当地结束主题并供将来参考：在您看来，合并或联接查询不能执行相同的操作？在提到有关Stackoverflow的不同问题后，我非常确定，这不能通过简单的合并或联接来完成。您可能需要事先定义要覆盖的单元格，或者删除

.x

/

.y

变量，这些变量在之后不必要地创建。完美，事实上，我在原始帖子中提到的循环就是：删除合并后创建的.x（不必要的）。再次感谢您花费的时间和支持。

dfold[,cols] <- mapply(function(x, y) ifelse(is.na(x), y[dfnew$pid == dfold$pid], x), dfold[,cols], dfnew[,cols])

> dfold
  Country Age Salary Purchased pid
1  France  44  72000        No   1
2   Spain  27  48000       Yes   2
3 Germany  30  54000        No   3
4   Spain  38  61000        No   4
5 Germany  40  70000       Yes   5

cols <- names(dfnew)[which(names(dfnew) %in% names(dfold))][names(dfnew) != "pid"]