如何从两个数据框中删除不匹配的数据，以在 R 中创建一个新的数据框

Question

我正在创建一个图表，将每个国家/地区的预期寿命年龄和领取国家养老金的年龄相关联。我使用网络抓取包从 2 个维基百科页面抓取了 2 个数据集。

其中一个数据集包含 "Country" 列，另一个数据集包含 "Country and regions" 列。这是一个问题，因为两个数据集都需要合并，但由于 "Country and regions" 列中的区域而不平衡。

为了解决这个问题，我需要在合并数据集之前删除 "Country and regions" 中的区域，因此它是平衡的。我需要从 "Country and regions" 中找到与 "Country" 不匹配的数据，将其删除，并使用 2 个数据集创建一个数据框。

library(xml2)
library(rvest)
library(stringr)

urlLifeExpectancy <- "https://en.wikipedia.org/wiki/List_of_countries_by_life_expectancy"

extractedLifeData = urlLifeExpectancy %>%
  read_html() %>%
  html_node(xpath = '//*[@id="mw-content-text"]/div/table[1]') %>%
  html_table(fill = TRUE)

urlPensionAge <- "https://en.wikipedia.org/wiki/Retirement_age#Retirement_age_by_country"

extractedPensionData = urlPensionAge %>%
  read_html() %>%
  html_node(xpath = '//*[@id="mw-content-text"]/div/table[3]') %>%
  html_table(fill = TRUE)

Answer 1

我们可以通过从两个数据集中选择我们需要的列来使用 merge

merge(extractedLifeData[c(1, 5, 7)], extractedPensionData[1:3], 
       by.y = "Country", by.x = "Country and regions")

或使用 dplyr

中的 inner_join

library(dplyr)

extractedLifeData %>% select(1, 5, 7) %>%
     inner_join(extractedPensionData %>% select(1:3), 
                by = c("Country and regions" = "Country"))

Answer 2

我们可以使用来自 data.table

的连接

library(data.table)
setDT(extractedLifeData[c(1, 5, 7)][extractedPensionDate[1:3],
       on = .(Country = `Country and regions`)]

如何从两个数据框中删除不匹配的数据，以在 R 中创建一个新的数据框

How to remove unmatched data from two data frames, to create a new data frame in R

r

anti-join

data-manipulation

duplicates