right_join and mutate不保留R中的索引

我正在将

列\u数据

映射到

主数据

，如果主数据中存在列值，则将其保存为键
例如：

P的父项

和

C的子项

问题是我得到了输出，但输出的索引不同

数据

column_data <- c("", "", "", "", "", "", "", "", "", "", "", "", "", "", "", 
"", "P", "C", "C")

但我得到的却是输出：

structure(list(values = c("P", "C", "C", "", "", "", "", "", 
"", "", "", "", "", "", "", "", "", "", ""), ind = c("Parent", 
"Child", "Child", NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 
NA, NA, NA, NA, NA), output = c("Parent", "Child", "Child", "", 
"", "", "", "", "", "", "", "", "", "", "", "", "", "", "")), row.names = c(NA, 
-19L), class = "data.frame")

---

使用

dplyr

，如果执行

右连接（x，y）

，则结果将包括

x

的匹配行子集，然后是

y

的不匹配行

根据关于变异联接的R文档，返回的值将是：

与x类型相同的对象。的行和列的顺序 尽可能多地保留x。输出具有以下特性 特性：

对于internal_join（），是x行的子集。对于left_join（），所有x行。对于 right_join（），x行的子集，后跟不匹配的y行。对于 full_join（），所有x行，后跟不匹配的y行

这就是为什么在结果data.frame的开头有3个匹配的行

要获得保留

df

行顺序的所需结果，请按如下方式尝试

left\u join

：

df2 <- stack(master) %>% 
  type.convert(as.is = TRUE) 

df %>%
  left_join(df2, by = c('column' = 'values')) %>%
  mutate(output = coalesce(ind, column))

df2%
type.convert（as.is=TRUE）
df%>%
左联合（df2，by=c（'column'='values'））%>%
突变（输出=合并（索引，列））

输出

   column    ind output
1           <NA>       
2           <NA>       
3           <NA>       
4           <NA>       
5           <NA>       
6           <NA>       
7           <NA>       
8           <NA>       
9           <NA>       
10          <NA>       
11          <NA>       
12          <NA>       
13          <NA>       
14          <NA>       
15          <NA>       
16          <NA>       
17      P Parent Parent
18      C  Child  Child
19      C  Child  Child

列ind输出
1.
2.
3.
4.
5.
6.
7.
8.
9
10
11
12
13
14
15
16
17 P父母
18 C儿童
19 C儿童

put

data.frame（“column”=column\u data）

放在左边？左边的地方。。。。？

structure(list(values = c("P", "C", "C", "", "", "", "", "", 
"", "", "", "", "", "", "", "", "", "", ""), ind = c("Parent", 
"Child", "Child", NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 
NA, NA, NA, NA, NA), output = c("Parent", "Child", "Child", "", 
"", "", "", "", "", "", "", "", "", "", "", "", "", "", "")), row.names = c(NA, 
-19L), class = "data.frame")

df2 <- stack(master) %>% 
  type.convert(as.is = TRUE) 

df %>%
  left_join(df2, by = c('column' = 'values')) %>%
  mutate(output = coalesce(ind, column))

   column    ind output
1           <NA>       
2           <NA>       
3           <NA>       
4           <NA>       
5           <NA>       
6           <NA>       
7           <NA>       
8           <NA>       
9           <NA>       
10          <NA>       
11          <NA>       
12          <NA>       
13          <NA>       
14          <NA>       
15          <NA>       
16          <NA>       
17      P Parent Parent
18      C  Child  Child
19      C  Child  Child