R 如何通过每个id的多个列联接表

我被迫删除了我的上一个主题，因为它没有被很好地询问，而且这个例子有点复杂，所以这里是一个简单的例子

我有两个数据帧：

DF1-DF1
id1客户端\代码id2值1值2
1 x1 a 0.1 1.1
2 1 x1 b 0.2 1.2
3 1 x1 c 0.3 1.3
4 1 x2 d 0.4 1.4
5 1 x2 e 0.5 1.5
6 2 x3 y 0.6 1.6
DF2 DF2
id1 id2值1值2
1111020
2 1 b 11 21
3 1 c 12 22
4 1 d 13 23
5 1 e 14 24
6 1楼15 25
72x1626
8 2 y 17 27

每个客户机都属于由列（id1）标识的一组客户机

我试图做的是添加DF2中缺少的行，这些行的id2在DF1中不存在。此过程应针对DF1中属于同一组客户机（id1）的每个客户机（客户机代码）执行

（我不知道我是否说得够清楚）

所需输出：

输出
id1客户端\代码id2值1值2
1 x1 a 0.1 1.1
2 1 x1 b 0.2 1.2
3 1 x1 c 0.3 1.3
4 1 x1 d 13.0 23.0
5 1 x1 e 14.0 24.0
6 1 x1 f 15.0 25.0
7 1 x2 d 0.4 1.4
8 1 x2 e 0.5 1.5
9 1 x2 10.0 20.0
101x2B11.021.0
11 1 x2 c 12.0 22.0
12 1 x2 f 15.0 25.0
13 2 x3 y 0.6 1.6
14 2 x3 x 16.0 26.0

---

提前感谢。

首先，创建一个表，显示每个客户端的

id2

值应该是多少 出席：

库（tidyverse）
客户违约率%
不同（客户端代码，id1）%>%
左联合（df2，by=“id1”）
客户端默认设置
#>客户端代码id1 id2 value1 value2
#>1x1120
#>2 x1 1 b 11 21
#>3 x1 1 c 12 22
#>4 x1 1 d 13 23
#>5 x1 1 e 14 24
#>6 x1 1 f 15 25
#>7 x2 1 a 10 20
#>8x21b1121
#>9 x2 1 c 12 22
#>10 x2 1 d 13 23
#>11 x2 1 e 14 24
#>12 x2 1 f 15 25
#>13 x 3 2 x 16 26
#>14 x 3 2 y 17 27

然后，删除

df1

中已经存在的行，并添加其余行：

客户端\u缺失%
反连接（df1，by=c（“客户机代码”，“id2”））
绑定行（df1，缺少客户端）%>%排列（客户端代码）
#>客户端代码id1 id2 value1 value2
#>1 x1 1 a 0.1 1.1
#>2 x1 1 b 0.2 1.2
#>3 x1 1 c 0.3 1.3
#>4x11d13.023.0
#>5x11e14.024.0
#>6 x1 1 f 15.0 25.0
#>7 x2 1 d 0.4 1.4
#>8 x2 1 e 0.5 1.5
#>9 x2 1 a 10.0 20.0
#>10x21b11.021.0
#>11 x2 1 c 12.0 22.0
#>12 x2 1 f 15.0 25.0
#>13 x3 2 y 0.6 1.6
#>14 x 3 2 x 16.0 26.0

数据：

---

df1另一个选项是检查DF2中的每一行

我们重新创建您的表，并将一些列设置为.character:

library(data.table)

DF1<-data.frame(id1=c(1,1,1,1,1,2),client_code=c("x1","x1","x1","x2","x2","x3"),id2=c("a","b","c","d","e","y"),value1=c(0.1,0.2,0.3,0.4,0.5,0.6),value2=c(1.1,1.2,1.3,1.4,1.5,1.6))
DF1$id2 <- as.character(DF1$id2)

DF2<-data.frame(id1=c(1,1,1,1,1,1,2,2),id2=c("a","b","c","d","e","f","x","y"),value1=c(10,11,12,13,14,15,16,17),value2=c(20,21,22,23,24,25,26,27))
DF2$id2 <- as.character(DF2$id2)

库（data.table）
DF1这里是一个可能的data.table解决方案，它更简洁一些。基本上，它执行两个步骤：

通过在
id1
和
client\u code
中的每组上连接
DF1
和
DF2
来构建一个完整的data.table
通过相应的
DF1
值更新
value1
和
value2
列
库（data.table）
setDT（DF1）；setDT（DF2）
DF id1客户端\代码id2值1值2
#>1:1 x10.11.1
#>2:1 x1 b0.21.2
#>3:1x1C0.311.3
#>4:1 x1 d 13.0 23.0
#>5:1x14.024.0
#>6:1 x15.0 25.0
#>7:1x210.020.0
#>8:1x2B11.021.0
#>9:1x2C12.022.0
#>10:1 x2 d 0.4 1.4
#>11:1 x2 e 0.5 1.5
#>12:1 x2 f 15.0 25.0
#>13:2x16.026.0
#>14:2x3 y 0.61.6

由（v0.3.0）创建于2019-07-01这里是一个使用sql查询的解决方案

library(sqldf)

sqldf('
select  distinct
        a.id1
        , a.client_code
        , b.id2
        , coalesce(d.value1, e.value1) as value1
        , coalesce(d.value2, e.value2) as value2
from    df1 a
        left join df2 b
          on  a.id1 = b.id1
        left join df1 d
          on  a.id1 = d.id1
              and b.id2 = d.id2
              and a.client_code = d.client_code
        left join df2 e
          on  a.id1 = e.id1
              and b.id2 = e.id2
')

#    id1 client_code id2 value1 value2
# 1    1          x1   a    0.1    1.1
# 2    1          x1   b    0.2    1.2
# 3    1          x1   c    0.3    1.3
# 4    1          x1   d   13.0   23.0
# 5    1          x1   e   14.0   24.0
# 6    1          x1   f   15.0   25.0
# 7    1          x2   a   10.0   20.0
# 8    1          x2   b   11.0   21.0
# 9    1          x2   c   12.0   22.0
# 10   1          x2   d    0.4    1.4
# 11   1          x2   e    0.5    1.5
# 12   1          x2   f   15.0   25.0
# 13   2          x3   x   16.0   26.0
# 14   2          x3   y    0.6    1.6

你好显然这还不清楚。如果你不能清楚地表达你的意思，那么你就不能对你想要的东西进行推理、交流、搜索或编码。例如，在“完成DF2中缺少的行”中，“缺少”和“完成”是无法解释的，并且D2中没有缺少完成的行。这只是一堆出现在清晰规范中的单词。此外，根据给出的信息猜测，这显然是一个常见问题。PS在给出关系（ship）/关联或表（base或query result）时，请说明其中的一行根据其列值表示的业务状况。
client_codes <- as.character(unique(DF1$client_code))

New_Table <- data.frame()

for(i in client_codes){
#So here we subset the DF1 data frame to only a certain client code  
New_DF1 <- DF1[DF1$client_code == i,]

temp_id <- unique(New_DF1$id1)
#and here we select the correct ids
New_DF2 <- DF2[DF2$id1 %in% temp_id,]

temp_df <- data.frame()
#And with this second for loop we perform a check on each of the new_DF2 rows
#to see if they have a matching client id
for(j in 1:nrow(New_DF2)){

  temp_row <- New_DF2[j,]
  if(nrow((New_DF1[New_DF1$id1 == temp_row$id1 & New_DF1$id2 == temp_row$id2,])) == 0){
    temp_row$client_code <- i
    setcolorder(temp_row, column_order)
    temp_df <- rbind(temp_df, temp_row)
  }

}

New_DF1 <- rbind(New_DF1, temp_df)

New_Table <- rbind(New_Table, New_DF1)

}

library(sqldf)

sqldf('
select  distinct
        a.id1
        , a.client_code
        , b.id2
        , coalesce(d.value1, e.value1) as value1
        , coalesce(d.value2, e.value2) as value2
from    df1 a
        left join df2 b
          on  a.id1 = b.id1
        left join df1 d
          on  a.id1 = d.id1
              and b.id2 = d.id2
              and a.client_code = d.client_code
        left join df2 e
          on  a.id1 = e.id1
              and b.id2 = e.id2
')

#    id1 client_code id2 value1 value2
# 1    1          x1   a    0.1    1.1
# 2    1          x1   b    0.2    1.2
# 3    1          x1   c    0.3    1.3
# 4    1          x1   d   13.0   23.0
# 5    1          x1   e   14.0   24.0
# 6    1          x1   f   15.0   25.0
# 7    1          x2   a   10.0   20.0
# 8    1          x2   b   11.0   21.0
# 9    1          x2   c   12.0   22.0
# 10   1          x2   d    0.4    1.4
# 11   1          x2   e    0.5    1.5
# 12   1          x2   f   15.0   25.0
# 13   2          x3   x   16.0   26.0
# 14   2          x3   y    0.6    1.6