R 在两个数据帧的多列之间匹配数据以返回；匹配的；基于一个或两个匹配列的值或平均值
我有一个复杂的问题，不知道如何进行。我有两个名为R 在两个数据帧的多列之间匹配数据以返回；匹配的；基于一个或两个匹配列的值或平均值,r,R,我有一个复杂的问题，不知道如何进行。我有两个名为df1的数据帧： structure(list(State = structure(1:2, .Label = c("Aaa", "Dd"), class = "factor"), City = structure(1:2, .Label = c("bb", "e"), class = "factor"), Type1 = c(NA, NA), Type2 = c(NA, NA)), .Names = c("State", "City", "
df1structure(list(State = structure(1:2, .Label = c("Aaa", "Dd"), class = "factor"),
City = structure(1:2, .Label = c("bb", "e"), class = "factor"),
Type1 = c(NA, NA), Type2 = c(NA, NA)), .Names = c("State",
"City", "Type1", "Type2"), class = "data.frame", row.names = c(NA,
-2L))
df2structure(list(state = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 2L
), .Label = c("Aaa", "Dd"), class = "factor"), city = structure(c(1L,
2L, 3L, 4L, 4L, 5L, 6L), .Label = c("bb", "ccc", "ddd", "fff",
"ggg", "hh"), class = "factor"), type = structure(c(1L, 2L, 2L,
2L, 2L, 2L, 3L), .Label = c("Type 1", "Type 2", "Type 4"), class = "factor"),
value = 1:7), .Names = c("state", "city", "type", "value"
), class = "data.frame", row.names = c(NA, -7L))
State City Type1 Type2
Aaa bb NA NA
Dd e NA NA
state city type value
Aaa bb Type 1 1
Aaa ccc Type 2 2
Aaa ddd Type 2 3
Dd fff Type 2 4
Dd fff Type 2 5
Dd ggg Type 2 6
Dd hh Type 4 7
State City Type1 Type2
Aaa bb NA NA
Dd e NA NA
state city type value
Aaa bb Type 1 1
Aaa ccc Type 2 2
Aaa ddd Type 2 3
Dd fff Type 2 4
Dd fff Type 2 5
Dd ggg Type 2 6
Dd hh Type 4 7
df1NAdf2df2类型状态城市值df1Type1Type2类型值df1类型状态状态城市的实例，我需要获得该类型
的所有状态
的平均值，并插入df1
4） 如果对于给定的类型
，没有状态
=状态
的实例，则该值应保留在df1
中的NA
只是澄清一下——本质上，我试图将Type1
和Type2
的平均值尽可能地“解析”。换句话说，如果可能的话，我想使用城市
级别的平均值，但是如果不可能，那么我想使用州
级别的平均值。但是，我想返回df1
中概述的原始州
和城市
的这些平均值（即使州
平均值是可用的
我知道这很复杂！我想得到的结果是
structure(list(State = structure(1:2, .Label = c("Aaa", "Dd"), class = "factor"),
City = structure(1:2, .Label = c("bb", "e"), class = "factor"),
Type1 = c(1L, NA), Type2 = c(2.5, 5)), .Names = c("State",
"City", "Type1", "Type2"), class = "data.frame", row.names = c(NA,
-2L))
这是一个数据帧，类似于：
State City Type1 Type2
Aaa bb 1 2.5
Dd e NA 5.0
我甚至不知道从哪里开始解决这个问题。我的第一个想法是我需要使用acast
来重塑df2
。例如，我可以使用
acast(df2, state+city+value~type)
这使数据更接近于df1
，但随后我失去了一些需要保留的列（这些列被压缩到行名中）。我甚至不知道如何开始搜索City
和State
，然后根据这些结果进行平均
谁能给我指出正确的方向吗
编辑（2015年1月）：我在下面特洛伊的回答下面添加了一条新评论，询问是否有一种简单的方法可以添加一个列，确定计算平均值的级别（城市或州）。我找到了一个解决方案，尽管可能有更好的方法，但对我来说很有效。希望这对某人有所帮助
getlevel<-function(state,city,type){
m<-means[means$state==state & means$city==city & means$type==type, "mean"]
sm<-state_means[state_means$state==state & state_means$type==type, "mean"]
ifelse(length(m)>0,"city","state")
}
编辑-抱歉误读了问题：以下是针对您的情况的更正代码：
require(plyr)
means<-ddply(df2,.(state,city,type),summarize,mean=mean(value))
state_means<-ddply(df2,.(state,type),summarize,mean=mean(value))
getval<-function(state,city,type){
m<-means[means$state==state & means$city==city & means$type==type, "mean"]
sm<-state_means[state_means$state==state & state_means$type==type, "mean"]
ifelse(length(m)>0,m,sm)
}
## this gives you the new df1
ddply(df1,.(State,City),transform,Type1=getval(as.character(State),as.character(City),"Type 1"),Type2=getval(as.character(State),as.character(City),"Type 2"))
编辑-抱歉误读了问题：以下是针对您的情况的更正代码：
require(plyr)
means<-ddply(df2,.(state,city,type),summarize,mean=mean(value))
state_means<-ddply(df2,.(state,type),summarize,mean=mean(value))
getval<-function(state,city,type){
m<-means[means$state==state & means$city==city & means$type==type, "mean"]
sm<-state_means[state_means$state==state & state_means$type==type, "mean"]
ifelse(length(m)>0,m,sm)
}
## this gives you the new df1
ddply(df1,.(State,City),transform,Type1=getval(as.character(State),as.character(City),"Type 1"),Type2=getval(as.character(State),as.character(City),"Type 2"))
首先重塑df2中的数据，然后使用data.table
的键适当合并数据：
library(data.table)
library(reshape2)
dt1 <- as.data.table(df1)
dt2 <- as.data.table(df2)
接下来，设置键
，以便合并
最后，合并并取平均值，剔除NA
s
备选方案，基于评论（无“城市”汇总）
dt2.casted首先重塑df2中的数据，然后使用data.table
的键适当合并数据：
library(data.table)
library(reshape2)
dt1 <- as.data.table(df1)
dt2 <- as.data.table(df2)
接下来，设置键
，以便合并
最后，合并并取平均值，剔除NA
s
备选方案，基于评论（无“城市”汇总）
dt2.casted注意（1）是（2）的特例，所以你可以忽略（1）并执行（2）伟大的点李嘉图，我甚至没有想到这个！=）注意（1）是（2）的特例，所以你可以忽略（1）并执行（2）伟大的点李嘉图，我甚至没有想到这个！=）亲爱的特洛伊，非常感谢你提供了非常翔实的答案。答案为“1”，但对于第一行中的类型2，答案应为2.5（即状态Aaa的类型2平均值=（2+3）/2=2.5）。同样，对于底行的Type2，它应该是状态Dd=（4+5+6）/3=5的所有Type2的平均值。有没有办法在你的解决方案中包含这个平均值？对不起，我对条件的误读。亲爱的特洛伊，我对你的帮助感激不尽。这很有道理，是一个非常优雅的解决方案。我希望我更了解r，这样我就可以立即看到这样的解决方案！现在在我的海量数据集上试试这个-再次感谢！此外，我忽略了一个事实，即我的一个“type”值是“corn”和“wheat”之类的字符串，而不是我的示例中使用的数字。我相信这最终会带来某种错误。我将不得不考虑如何处理这件事。。。对于每个城市，我只有一个字符串，但在州一级工作时，我可能会有一些带有“玉米”的字符串，还有一些带有“小麦”的字符串，我显然无法理解这些字符串的平均值。也许最好只使用出现次数更多的更常见字符串，但我不确定在现有代码中如何做到这一点。特洛伊，在我的较大数据集上使用此字符串时，我得到一个错误“in is.na（e1）| is.na（e2）：较长的对象长度不是较短对象长度的倍数2:in=.default
（state\u表示$state，state）：”亲爱的特洛伊，非常感谢你提供了非常翔实的答案。答案为“1”，但对于第一行中的类型2，答案应为2.5（即状态Aaa的类型2平均值=（2+3）/2=2.5）。同样，对于底行的Type2，它应该是状态Dd=（4+5+6）/3=5的所有Type2的平均值。有没有办法在你的解决方案中包含这个平均值？对不起，我对条件的误读。信息技术
setkey(dt2.casted, state, city)
setkey(dt1, State, City)
dt1[dt2.casted][, lapply(.SD, mean, na.rm=TRUE), by=State, .SDcols=grep("Type", names(dt2.casted), value=TRUE)]
State Type 1 Type 2 Type 4
1: Aaa 1 2.50 NaN
2: Dd NaN 5.25 7
dt2.casted <- reshape2::dcast(dt2, state ~ type
, fill=NA_real_
, fun.aggregate=mean, na.rm=TRUE)
dt2.casted <- as.data.table(dt2.casted)
setkey(dt2.casted, state)
setkey(dt1, State)
dt1[dt2.casted][, lapply(.SD, mean, na.rm=TRUE)
, by=list(State, City)
, .SDcols=grep("Type"
, names(dt2.casted), value=TRUE)
]
State City Type 1 Type 2 Type 4
1: Aaa bb 1 2.5 NaN
2: Dd e NaN 5.0 7