R 通过连接多个列来更新列

我有两个表，需要从第二个表中的

pro_sales

值更新第一个表中的pro_sales列值

df1 <- data.frame(storecode = c(100,100,100,200,200),
                  productcode = c(1,2,3,1,2), pro_sales = c(0,0,0,0,0))
df2 <- data.frame(storecode = c(100,100,200),
                  productcode = c(1,2,1), pro_sales = c(0,1,0))

我可以离开加入dplyr，但在那之后我需要帮助吗

df1 %>%
  left_join(df2,c("storecode"="storecode","productcode"="productcode")) %>% 
  mutate( ???? ) %>%
  select(names, match, value = value.x)

谢谢。

df1%
df1 <- data.frame(storecode=c(100,100,100,200,200),
                  productcode=c(1,2,3,1,2),pro_sales=c(0,0,0,0,0))
df2 <- data.frame(storecode=c(100,100,200),
                  productcode=c(1,2,1),pro_sales=c(0,1,0))

library(dplyr)

df1 %>%
  left_join(df2, by = c("storecode","productcode")) %>% 
  mutate(pro_sales.y = coalesce(pro_sales.y, 0)) %>%
  select(storecode, productcode, pro_sales = pro_sales.y)

#   storecode productcode pro_sales
# 1       100           1         0
# 2       100           2         1
# 3       100           3         0
# 4       200           1         0
# 5       200           2         0

突变（pro_sales.y=合并（pro_sales.y，0））%>%
选择（storecode、productcode、pro_sales=pro_sales.y）
#storecode productcode pro_销售
# 1       100           1         0
# 2       100           2         1
# 3       100           3         0
# 4       200           1         0
# 5       200           2         0

---

我假设，如您所述，如果要更新给定第二个表的第一个表中的值，则NA值应为零，而不是第一个表中的值。

另一个选项是使用带有

数据的更新联接。table

-包：

library(data.table)
setDT(df1)
setDT(df2)

df1[df2, on = .(storecode, productcode), pro_sales := i.pro_sales][]

其中：

---

您希望如何处理不在第二个pro_sales列中的列值？将它们设置为零或设置为第一个数据帧中的值。代码示例中使用的列名与数据集中的列（即大写字母）不匹配。非常感谢您的支持。在sqldf update语句中有这样做的方法吗？它主要是一个连接，然后是一个列更新，所以我很确定会有一些等价的东西。不幸的是，我没有太多地使用

sqldf

。也许可以更新您的问题，询问

sqldf

备选方案？还是发布一个新问题？

library(data.table)
setDT(df1)
setDT(df2)

df1[df2, on = .(storecode, productcode), pro_sales := i.pro_sales][]

   storecode productcode pro_sales
1:       100           1         0
2:       100           2         1
3:       100           3         0
4:       200           1         0
5:       200           2         0