使用R中的2个公共列，将df2中的错误值替换为df1中的真值

我有两个这样的数据帧

TEAM <- c("PE","PE","MPI","TDT","HPT")
EmpID <- c (444452,444456,16822,339862,14828)    
ManagerID <- c(11499,11599,11899,11339,11559)
CODE <- c("F",NA,"A","H","G")
df1 <- data.frame(TEAM,EmpID,ManagerID,CODE)

TEAM <- c("MPI","TDT","HPT","PE","TDT","PE","MPI","TDT","HPT","PE")
EmpID <- c(444452,444452,444452,339862,339862,16822,339862,16822,14828,14828)
ManagerID <- c(11499,11499,11499,11339,11339,11899,11339,11899,11559,11559)
CODE <- c("A234","H665","G654","F616","H626","F234","H695","G954","G616",NA)
df2 <- data.frame(TEAM,EmpID,ManagerID,CODE)

---

我不确定我是否朝着正确的方向前进。请帮助我输入如何有效地解决这个问题

既然您在这里进行文本子集设置，我将初始化为字符向量，而不是因子：

df1 <- data.frame(TEAM,EmpID,ManagerID,CODE, stringsAsFactors = FALSE)
df2 <- data.frame(TEAM,EmpID,ManagerID,CODE, stringsAsFactors = FALSE)

您希望创建一个列，其中的值要在此处合并，只需使用df2的

code

df2[ , C_SHORT := substr(CODE,1,1)]

然后，我们在

TEAM/code

组合中合并两个数据帧。这将创建不存在任何匹配项的

NA

s。然后，测试是否有任何列是

NA

，如果是，则插入初始值

merge(x = df2,y = df1, by.x = c("TEAM","C_SHORT"), by.y = c("TEAM","CODE"), all.x = TRUE)[
  ,
  .(
    TEAM,
    EmpID = ifelse(is.na(EmpID.y), EmpID.x, EmpID.y), 
    ManagerID = ifelse(is.na(ManagerID.y), ManagerID.x, ManagerID.y),
    CODE
  )
  ]
    TEAM  EmpID ManagerID CODE
 1:  HPT  14828     11559 G654
 2:  HPT  14828     11559 G616
 3:  MPI  16822     11899 A234
 4:  MPI 339862     11339 H695
 5:   PE 444456     11599   NA
 6:   PE 444452     11499 F616
 7:   PE 444452     11499 F234
 8:  TDT  16822     11899 G954
 9:  TDT 339862     11339 H665
10:  TDT 339862     11339 H626

---

注意：您在此处使用

NA

作为查找。这在merge函数中起作用（我没有意识到），但在我看来，这是一种糟糕的做法（

NA

在R中指的是丢失的数据，而在这里它编码了一些东西）。我会考虑改变在数据中的表示方式。

Edited:-）谢谢你，我对你想要的输出有点困惑。

df1

中的

code

列应设置为只更改

df2

中的一行（在

code

中带有

的一行）。如果其他行没有匹配的

code

，它们将如何更改？我已经在那里提到，df1中的代码中的字母应该与df2中的代码中的第一个字母匹配。仅供参考，我的方法不起作用，可能是因为您的代码是一个因素，而不是字符。。。“不确定。”弗兰克，我把它转换成了字符，但还是不起作用。我正在检查可能出了什么问题。

library(data.table)

# convert data frames to data.table
setDT(df1)
setDT(df2)

df2[ , C_SHORT := substr(CODE,1,1)]

merge(x = df2,y = df1, by.x = c("TEAM","C_SHORT"), by.y = c("TEAM","CODE"), all.x = TRUE)[
  ,
  .(
    TEAM,
    EmpID = ifelse(is.na(EmpID.y), EmpID.x, EmpID.y), 
    ManagerID = ifelse(is.na(ManagerID.y), ManagerID.x, ManagerID.y),
    CODE
  )
  ]
    TEAM  EmpID ManagerID CODE
 1:  HPT  14828     11559 G654
 2:  HPT  14828     11559 G616
 3:  MPI  16822     11899 A234
 4:  MPI 339862     11339 H695
 5:   PE 444456     11599   NA
 6:   PE 444452     11499 F616
 7:   PE 444452     11499 F234
 8:  TDT  16822     11899 G954
 9:  TDT 339862     11339 H665
10:  TDT 339862     11339 H626