用另一个数据框中匹配行的值替换缺失数据

Question

我想替换变量的值。

这是我的分贝：

head(mydb)

ID   V1     V2     V3     V4 
1    value  value  0    0
2    value  value  0    0  
3    value  value  0    0
4    value  value  0    0  
5    value  value  0    0
6    value  value  0    0

V3 和 V4 有 0 对于所有观察。

然后我创建了几个 dB，如下所示：

head(newdb)
ID   V3     V4 
2    5      4  
4    8      5  
6    9      6

我想获得这样的东西：

ID   V1     V2     V3     V4 
1    value  value  0    0
2    value  value  5    4  
3    value  value  0    0
4    value  value  8    5  
5    value  value  0    0
6    value  value  9    6

我试过 sqldf 这样做：

mydf <- sqldf('SELECT mydf.*, newdb.v3, newdb.v4              
               FROM mydf
               LEFT JOIN newdb 
               ON  mydf.ID = newdb.id')

我创建的代码运行良好并且完成了它的工作；但问题是我在一个 for 循环中，对于我的每个 newDB，sql 代码生成其他 V3 和 V4 并将其附加到前一个创建这样的东西：

ID   V1     V2     V3   V4   V3   V4   V3  V4
1    value  value  0    0    1    5    0   0
2    value  value  5    4    0    0    0   0
3    value  value  0    0    0    0    7   8
4    value  value  8    5    0    0    0   0
5    value  value  0    0    2    2    0   0 
6    value  value  9    6    0    0    0   0

我为循环的每次迭代添加了另一个 V3 和 V4 列（在本例中为 3 次迭代）。

如何避免这个问题？

Answer 1

您可以使用 data.table

轻松进行更新连接

library(data.table)
setDT(mydb)
setDT(newdb)

mydb[newdb, on = 'ID', c('V3', 'V4') := .(i.V3, i.V4)]

mydb
#    ID    V1    V2 V3 V4
# 1:  1 value value  0  0
# 2:  2 value value  5  4
# 3:  3 value value  0  0
# 4:  4 value value  8  5
# 5:  5 value value  0  0
# 6:  6 value value  9  6

你也可以使用sqldf，但你必须使用coalesce（结果同上）

library(sqldf)
sqldf('
SELECT  mydb.ID
        , mydb.V1
        , mydb.V2
        , coalesce(newdb.v3, mydb.V3) as V3
        , coalesce(newdb.v4, mydb.V4) as V4
FROM    mydb
        LEFT JOIN newdb 
          using(id)
')

使用的数据：

mydb <- fread('
ID   V1     V2     V3     V4 
1    value  value  0    0
2    value  value  0    0  
3    value  value  0    0
4    value  value  0    0  
5    value  value  0    0
6    value  value  0    0  
')
newdb <- fread('
ID   V3     V4 
2    5      4  
4    8      5  
6    9      6  
')

Answer 2

您可以简单地匹配两个数据框中的 ID，并在原始数据框中替换它们：

mydf[,c("V3","V4")] <- newdf[match(mydf$ID, newdf$ID),c("V3","V4")]

mydf
#   ID  V1    V2   V3 V4
# 1  1 value value NA NA
# 2  2 value value  5  4
# 3  3 value value NA NA
# 4  4 value value  8  5
# 5  5 value value NA NA
# 6  6 value value  9  6

稍后您可以将 NAs 替换为 0s。

更新：

而不是做 for-loop 将所有 newdf 连接在一起，然后运行上面的代码；看下面的伪代码：

newdf_concat <- rbind(newdf1, newdf2)

mydf[,c("V3","V4")] <- newdf_concat[match(mydf$ID, newdf_concat$ID),c("V3","V4")]

Answer 3

我们可以使用我的包 safejoin 中的 eat，以及 "patch" 匹配项列冲突时从rhs到rhs。

# devtools::install_github("moodymudskipper/safejoin")
library(safejoin)
library(dplyr)

eat(mydb, newdb, .by = "ID", .conflict = "patch")
#   ID    V1    V2 V3 V4
# 1  1 value value  0  0
# 2  2 value value  5  4
# 3  3 value value  0  0
# 4  4 value value  8  5
# 5  5 value value  0  0
# 6  6 value value  9  6

我们也可以合并从 rhs 开始的列，以获得相同的效果：

eat(mydb, newdb, .by = "ID", .conflict = ~coalesce(.y,.x))

用另一个数据框中匹配行的值替换缺失数据

Replace missing data with values from matching rows in another dataframe

for-loop

join

r

left-join

sqldf