当两个数据帧具有不同的列集时，按行组合两个数据帧（rbind）
是否可以对不具有相同列集的两个数据帧进行行绑定？我希望在绑定后保留不匹配的列 您可以使用当两个数据帧具有不同的列集时，按行组合两个数据帧（rbind）,r,dataframe,r-faq,R,Dataframe,R Faq,是否可以对不具有相同列集的两个数据帧进行行绑定？我希望在绑定后保留不匹配的列 您可以使用gtools软件包中的smartbind 例如： library(gtools) df1 <- data.frame(a = c(1:5), b = c(6:10)) df2 <- data.frame(a = c(11:15), b = c(16:20), c = LETTERS[1:5]) smartbind(df1, df2) # result a b c 1.1 1
gtoolssmartbindlibrary(gtools)
df1 <- data.frame(a = c(1:5), b = c(6:10))
df2 <- data.frame(a = c(11:15), b = c(16:20), c = LETTERS[1:5])
smartbind(df1, df2)
# result
a b c
1.1 1 6 <NA>
1.2 2 7 <NA>
1.3 3 8 <NA>
1.4 4 9 <NA>
1.5 5 10 <NA>
2.1 11 16 A
2.2 12 17 B
2.3 13 18 C
2.4 14 19 D
2.5 15 20 E
库（gtools）
df1您也可以只提取公共列名
> cols <- intersect(colnames(df1), colnames(df2))
> rbind(df1[,cols], df2[,cols])
cols rbind（df1[，cols]，df2[，cols]）
rbind。从包中填充plyr
可能就是您要查找的内容。如果df1中的列是df2中的列的子集（按列名）：
df3也许我完全误解了你的问题，但是“我希望保留绑定后不匹配的列”让我觉得你在寻找类似SQL查询的左连接
或右连接。R具有merge
函数，可用于指定左、右或内部联接，类似于SQL中的联接表
关于这个主题，这里已经有一个很好的问题和答案：我写了一个函数来做这件事，因为我喜欢我的代码来告诉我是否有什么问题。此函数将显式告诉您哪些列名不匹配以及是否存在类型不匹配。然后它将尽最大努力组合data.frames。限制是一次只能合并两个data.Frame
### combines data frames (like rbind) but by matching column names
# columns without matches in the other data frame are still combined
# but with NA in the rows corresponding to the data frame without
# the variable
# A warning is issued if there is a type mismatch between columns of
# the same name and an attempt is made to combine the columns
combineByName <- function(A,B) {
a.names <- names(A)
b.names <- names(B)
all.names <- union(a.names,b.names)
print(paste("Number of columns:",length(all.names)))
a.type <- NULL
for (i in 1:ncol(A)) {
a.type[i] <- typeof(A[,i])
}
b.type <- NULL
for (i in 1:ncol(B)) {
b.type[i] <- typeof(B[,i])
}
a_b.names <- names(A)[!names(A)%in%names(B)]
b_a.names <- names(B)[!names(B)%in%names(A)]
if (length(a_b.names)>0 | length(b_a.names)>0){
print("Columns in data frame A but not in data frame B:")
print(a_b.names)
print("Columns in data frame B but not in data frame A:")
print(b_a.names)
} else if(a.names==b.names & a.type==b.type){
C <- rbind(A,B)
return(C)
}
C <- list()
for(i in 1:length(all.names)) {
l.a <- all.names[i]%in%a.names
pos.a <- match(all.names[i],a.names)
typ.a <- a.type[pos.a]
l.b <- all.names[i]%in%b.names
pos.b <- match(all.names[i],b.names)
typ.b <- b.type[pos.b]
if(l.a & l.b) {
if(typ.a==typ.b) {
vec <- c(A[,pos.a],B[,pos.b])
} else {
warning(c("Type mismatch in variable named: ",all.names[i],"\n"))
vec <- try(c(A[,pos.a],B[,pos.b]))
}
} else if (l.a) {
vec <- c(A[,pos.a],rep(NA,nrow(B)))
} else {
vec <- c(rep(NA,nrow(A)),B[,pos.b])
}
C[[i]] <- vec
}
names(C) <- all.names
C <- as.data.frame(C)
return(C)
}
###通过匹配列名来组合数据帧（如rbind）
#其他数据框中不匹配的列仍将合并
#但在与数据帧对应的行中使用NA，而不使用
#变量
#如果列之间存在类型不匹配，将发出警告
#使用相同的名称并尝试合并列
combineByNamegtools/smartbind不喜欢处理日期，可能是因为它是as.vectoring。这是我的解决方案
sbind = function(x, y, fill=NA) {
sbind.fill = function(d, cols){
for(c in cols)
d[[c]] = fill
d
}
x = sbind.fill(x, setdiff(names(y),names(x)))
y = sbind.fill(y, setdiff(names(x),names(y)))
rbind(x, y)
}
最近的解决方案是使用dplyr
的bind\u rows
函数，我认为该函数比smartbind
更有效
df1 <- data.frame(a = c(1:5), b = c(6:10))
df2 <- data.frame(a = c(11:15), b = c(16:20), c = LETTERS[1:5])
dplyr::bind_rows(df1, df2)
a b c
1 1 6 <NA>
2 2 7 <NA>
3 3 8 <NA>
4 4 9 <NA>
5 5 10 <NA>
6 11 16 A
7 12 17 B
8 13 18 C
9 14 19 D
10 15 20 E
rbind(
data.frame(c(df1, sapply(setdiff(names(df2), names(df1)), function(x) NA))),
data.frame(c(df2, sapply(setdiff(names(df1), names(df2)), function(x) NA)))
)
df1数据的替代方案。表
：
library(data.table)
df1 = data.frame(a = c(1:5), b = c(6:10))
df2 = data.frame(a = c(11:15), b = c(16:20), c = LETTERS[1:5])
rbindlist(list(df1, df2), fill = TRUE)
rbind
也将在data.table
中工作，只要对象转换为data.table
对象，那么
rbind(setDT(df1), setDT(df2), fill=TRUE)
在这种情况下也会起作用。如果您有两个data.tables，并且不想构建列表，则最好使用此选项。仅用于文档。您可以按以下形式尝试Stack
库及其函数Stack
：
Stack(df_1, df_2)
我的印象是，对于大型数据集，它比其他方法更快。大多数基本R答案都解决了只有一个data.frame具有附加列或者生成的data.frame将具有列的交点的情况。因为OP写了我希望保留绑定后不匹配的列，所以使用base R方法解决这个问题的答案可能值得发布
下面，我将介绍两种基本的R方法：一种改变原始data.frames，另一种不改变。此外，我还提供了一种方法，将非破坏性方法推广到两个以上的data.frames
首先，让我们获取一些示例数据
# sample data, variable c is in df1, variable d is in df2
df1 = data.frame(a=1:5, b=6:10, d=month.name[1:5])
df2 = data.frame(a=6:10, b=16:20, c = letters[8:12])
两个data.frames，更改原始文件
为了在rbind
中保留两个data.frames中的所有列（并允许该函数在不产生错误的情况下工作），您可以使用setdiff
将NA列添加到每个data.frames中，并填入适当的缺失名称
# fill in non-overlapping columns with NAs
df1[setdiff(names(df2), names(df1))] <- NA
df2[setdiff(names(df1), names(df2))] <- NA
请注意，前两行更改了原始data.frames、df1和df2，并向这两行添加了完整的列集
两个data.frames，请勿更改原件
要保持原始data.frames不变，首先循环不同的名称，返回NAs的命名向量，使用c
将其与data.frames连接到一个列表中。然后，data.frame
将结果转换为rbind
的适当data.frame
df1 <- data.frame(a = c(1:5), b = c(6:10))
df2 <- data.frame(a = c(11:15), b = c(16:20), c = LETTERS[1:5])
dplyr::bind_rows(df1, df2)
a b c
1 1 6 <NA>
2 2 7 <NA>
3 3 8 <NA>
4 4 9 <NA>
5 5 10 <NA>
6 11 16 A
7 12 17 B
8 13 18 C
9 14 19 D
10 15 20 E
rbind(
data.frame(c(df1, sapply(setdiff(names(df2), names(df1)), function(x) NA))),
data.frame(c(df2, sapply(setdiff(names(df1), names(df2)), function(x) NA)))
)
许多data.frames，不改变原件
在具有两个以上data.frames的实例中，可以执行以下操作
# put data.frames into list (dfs named df1, df2, df3, etc)
mydflist <- mget(ls(pattern="df\\d+"))
# get all variable names
allNms <- unique(unlist(lapply(mydflist, names)))
# put em all together
do.call(rbind,
lapply(mydflist,
function(x) data.frame(c(x, sapply(setdiff(allNms, names(x)),
function(y) NA)))))
您还可以使用，它使用dplyr:：bind_rows（）
，但与bind_rows（）
不同，add_rows（）
保留属性，因此对于
请参见以下带有标签数据集的示例。frq（）
-函数用于打印带有值标签的频率表（如果数据有标签）
library(sjmisc)
library(dplyr)
data(efc)
# select two subsets, with some identical and else different columns
x1 <- efc %>% select(1:5) %>% slice(1:10)
x2 <- efc %>% select(3:7) %>% slice(11:20)
str(x1)
#> 'data.frame': 10 obs. of 5 variables:
#> $ c12hour : num 16 148 70 168 168 16 161 110 28 40
#> ..- attr(*, "label")= chr "average number of hours of care per week"
#> $ e15relat: num 2 2 1 1 2 2 1 4 2 2
#> ..- attr(*, "label")= chr "relationship to elder"
#> ..- attr(*, "labels")= Named num 1 2 3 4 5 6 7 8
#> .. ..- attr(*, "names")= chr "spouse/partner" "child" "sibling" "daughter or son -in-law" ...
#> $ e16sex : num 2 2 2 2 2 2 1 2 2 2
#> ..- attr(*, "label")= chr "elder's gender"
#> ..- attr(*, "labels")= Named num 1 2
#> .. ..- attr(*, "names")= chr "male" "female"
#> $ e17age : num 83 88 82 67 84 85 74 87 79 83
#> ..- attr(*, "label")= chr "elder' age"
#> $ e42dep : num 3 3 3 4 4 4 4 4 4 4
#> ..- attr(*, "label")= chr "elder's dependency"
#> ..- attr(*, "labels")= Named num 1 2 3 4
#> .. ..- attr(*, "names")= chr "independent" "slightly dependent" "moderately dependent" "severely dependent"
bind_rows(x1, x1) %>% frq(e42dep)
#>
#> # e42dep <numeric>
#> # total N=20 valid N=20 mean=3.70 sd=0.47
#>
#> val frq raw.prc valid.prc cum.prc
#> 3 6 30 30 30
#> 4 14 70 70 100
#> <NA> 0 0 NA NA
add_rows(x1, x1) %>% frq(e42dep)
#>
#> # elder's dependency (e42dep) <numeric>
#> # total N=20 valid N=20 mean=3.70 sd=0.47
#>
#> val label frq raw.prc valid.prc cum.prc
#> 1 independent 0 0 0 0
#> 2 slightly dependent 0 0 0 0
#> 3 moderately dependent 6 30 30 30
#> 4 severely dependent 14 70 70 100
#> NA NA 0 0 NA NA
库（sjmisc）
图书馆（dplyr）
数据（efc）
#选择两个子集，其中有些列相同，有些列不同
x1%选择（1:5）%>%切片（1:10）
x2%选择（3:7）%>%切片（11:20）
str（x1）
#>“data.frame”：10个obs。共有5个变量：
#>$C12小时：数字16148 70 168 161 110 28 40
#>..-attr（*，“标签”）=chr“每周平均护理小时数”
#>$e15relat:数量2 1 2 2
#>..-属性（*，“标签”）=chr“与长者的关系”
#>..-attr（*，“标签”）=命名编号1 2 3 4 5 6 7 8
#> .. ..- attr（*，“姓名”）=chr“配偶/伴侣”“子女”“兄弟姐妹”“女儿或女婿”。。。
#>$E16性别：数字2
#>..-属性（*，“标签”）=chr“长者性别”
#>..-attr（*，“标签”）=命名编号1 2
#> .. ..- 属性（*，“名称”）=chr“男性”或“女性”
#>$E17年龄：数字83 88 82 67 84 85 74 87 79 83
#>..-属性（*，“标签”）=chr“长者年龄”
#>$e42dep:num 3 3 4 4 4
#>..-attr（*，“label”）=chr“长者依赖”
#>..-attr（*，“标签”）=命名编号1 2 3 4
#> .. ..- attr（*，“name”）=chr“独立”“轻度依赖”“中度依赖”“严重依赖”
绑定行（x1，x1）%>%frq（e42dep）
#>
#>#e42dep
#>#总N=20有效N=20平均值=3.70 sd=0.47
#>
#>val frq原始中国有效中国与中国
#> 3 6 30 30 30
#> 4 14 70 70 100
#>0毫微纳
添加行（x1，x1）%>%frq（e42dep）
#>
#> #
do.call(rbind,
c(lapply(mydflist,
function(x) data.frame(c(x, sapply(setdiff(allNms, names(x)),
function(y) NA)))),
make.row.names=FALSE))
library(sjmisc)
library(dplyr)
data(efc)
# select two subsets, with some identical and else different columns
x1 <- efc %>% select(1:5) %>% slice(1:10)
x2 <- efc %>% select(3:7) %>% slice(11:20)
str(x1)
#> 'data.frame': 10 obs. of 5 variables:
#> $ c12hour : num 16 148 70 168 168 16 161 110 28 40
#> ..- attr(*, "label")= chr "average number of hours of care per week"
#> $ e15relat: num 2 2 1 1 2 2 1 4 2 2
#> ..- attr(*, "label")= chr "relationship to elder"
#> ..- attr(*, "labels")= Named num 1 2 3 4 5 6 7 8
#> .. ..- attr(*, "names")= chr "spouse/partner" "child" "sibling" "daughter or son -in-law" ...
#> $ e16sex : num 2 2 2 2 2 2 1 2 2 2
#> ..- attr(*, "label")= chr "elder's gender"
#> ..- attr(*, "labels")= Named num 1 2
#> .. ..- attr(*, "names")= chr "male" "female"
#> $ e17age : num 83 88 82 67 84 85 74 87 79 83
#> ..- attr(*, "label")= chr "elder' age"
#> $ e42dep : num 3 3 3 4 4 4 4 4 4 4
#> ..- attr(*, "label")= chr "elder's dependency"
#> ..- attr(*, "labels")= Named num 1 2 3 4
#> .. ..- attr(*, "names")= chr "independent" "slightly dependent" "moderately dependent" "severely dependent"
bind_rows(x1, x1) %>% frq(e42dep)
#>
#> # e42dep <numeric>
#> # total N=20 valid N=20 mean=3.70 sd=0.47
#>
#> val frq raw.prc valid.prc cum.prc
#> 3 6 30 30 30
#> 4 14 70 70 100
#> <NA> 0 0 NA NA
add_rows(x1, x1) %>% frq(e42dep)
#>
#> # elder's dependency (e42dep) <numeric>
#> # total N=20 valid N=20 mean=3.70 sd=0.47
#>
#> val label frq raw.prc valid.prc cum.prc
#> 1 independent 0 0 0 0
#> 2 slightly dependent 0 0 0 0
#> 3 moderately dependent 6 30 30 30
#> 4 severely dependent 14 70 70 100
#> NA NA 0 0 NA NA