嵌套 full_join 后缀超过 2 data.frames

Question

我想将几个 data.frames 与一些常用列合并，并在列名后附加一个后缀，以跟踪每列数据的来源。

我可以在第一个 full_join 中使用后缀项轻松完成，但是当我进行第二个连接时，没有添加任何后缀。我可以重命名第三个 data.frame 所以它有后缀，但我想知道是否有另一种使用后缀术语的方法。

这是一个示例代码：

x = data.frame(col1 = c("a","b","c"), col2 = 1:3, col3 = 1:3)
y = data.frame(col1 = c("b","c","d"), col2 = 4:6, col3 = 1:3)
z = data.frame(col1 = c("c","d","a"), col2 = 7:9, col3 = 1:3)

> df = full_join(x, y, by = "col1", suffix = c("_x","_y")) %>% 
  full_join(z, by = "col1", suffix = c("","_z")) 

> df
  col1 col2_x col3_x col2_y col3_y col2 col3
1    a      1      1     NA     NA    9    3
2    b      2      2      4      1   NA   NA
3    c      3      3      5      2    7    1
4    d     NA     NA      6      3    8    2

我原以为 data.frame z 中的 col2 和 col3 会有一个“_z”后缀。我尝试在合并两个 data.frames 时使用空后缀并且它有效。

我可以通过在执行第二个 full_join 之前重命名 z 中的列来解决问题，但在我的真实数据中，我有几个公共列，如果我想合并更多 data.frames 它会使代码复杂化。这是我的预期输出。

> colnames(z) = paste0(colnames(z),"_z")

> df = full_join(x, y, by = "col1", suffix = c("_x","_y")) %>% 
  full_join(z, by = c("col1"="col1_z"))

> df
  col1 col2_x col3_x col2_y col3_y col2_z col3_z
1    a      1      1     NA     NA      9      3
2    b      2      2      4      1     NA     NA
3    c      3      3      5      2      7      1
4    d     NA     NA      6      3      8      2

我看过其他，其中添加了一个额外的列来跟踪源 data.frame，但我想知道为什么后缀术语不适用于多个连接。

PS：如果我将第一个后缀留空，我可以在第二个连接中添加后缀，但这将使 col2 和 col3 形式 x 没有后缀。

> df = full_join(x, y, by = "col1", suffix = c("","_y")) %>% 
  full_join(z, by = "col1", suffix = c("","_z"))

> df
  col1 col2 col3 col2_y col3_y col2_z col3_z
1    a    1    1     NA     NA      9      3
2    b    2    2      4      1     NA     NA
3    c    3    3      5      2      7      1
4    d   NA   NA      6      3      8      2

Answer 1

你可以这样做：

full_join(x, y, by = "col1", suffix = c("","_y")) %>% 
  full_join(z, by = "col1", suffix = c("_x","_z"))

  col1 col2_x col3_x col2_y col3_y col2_z col3_z
1    a      1      1     NA     NA      9      3
2    b      2      2      4      1     NA     NA
3    c      3      3      5      2      7      1
4    d     NA     NA      6      3      8      2

在最后一个连接处为 x 添加 suffix 应该可以解决问题。

嵌套 full_join 后缀超过 2 data.frames

Nested full_join with suffixes for more than 2 data.frames

r

dataframe

join

dplyr

outer-join