知道我用于匹配两个数据集的变量不是唯一的，如何在 R 中合并不同的数据集？

Question

我有两个数据集，我需要通过ID值合并它们。问题是：

ID 值可以在同一数据集中重复（没有其他唯一值可用）。
两个数据集的行数或列数不相等。

示例：

df1

ID	Gender
99	Male
85	Female
7	Male

df2

ID	Body_Temperature	Body_Temperature_date_time
99	36	1/1/2020 12:00 am
99	38	2/1/2020 10:30 am
99	37	1/1/2020 06:41 am
52	38	1/2/2020 11:00 am
11	39	4/5/2020 09:09 pm
7	35	9/8/2020 02:30 am

我如何才能将这两个数据集转换成一个数据集，以便我以后可以在其上应用一些机器学习模型？

Answer 1

根据您的预期结果，如果您想要 return 来自每个数据框的所有行，那么您可以使用来自 dplyr:

的 full_join

library(dplyr)

full_join(df2, df1, by = "ID")

或以 R 为基数：

merge(x=df2,y=df1,by="ID",all=TRUE)

输出

  ID Body_Temperature Body_Temperature_date_time Gender
1 99               36          1/1/2020 12:00 am   Male
2 99               38          2/1/2020 10:30 am   Male
3 99               37          1/1/2020 06:41 am   Male
4 52               38          1/2/2020 11:00 am   <NA>
5 11               39          4/5/2020 09:09 pm   <NA>
6  7               35          9/8/2020 02:30 am   Male
7 85               NA                       <NA> Female

如果你有超过 2 个数据帧要合并，它们只与 ID 列重叠，那么你可以在数据帧列表上使用 reduce（所以把你想要的所有数据帧组合成一个列表):

library(tidyverse)

df_list <- list(df1, df2)

multi_full <- reduce(df_list, function(x, y, ...)
  full_join(x, y, by = "ID", ...))

或 Reduce 以 R 为基数：

df_list <- list(df1, df2)

multi_full <- Reduce(function(x, y, ...)
    merge(x, y, by = "ID", all = TRUE, ...), df_list)

数据

df1 <- structure(list(ID = c(99L, 85L, 7L), Gender = c("Male", "Female", 
"Male")), class = "data.frame", row.names = c(NA, -3L))

df2 <- structure(list(ID = c(99L, 99L, 99L, 52L, 11L, 7L), Body_Temperature = c(36L, 
38L, 37L, 38L, 39L, 35L), Body_Temperature_date_time = c("1/1/2020 12:00 am", 
"2/1/2020 10:30 am", "1/1/2020 06:41 am", "1/2/2020 11:00 am", 
"4/5/2020 09:09 pm", "9/8/2020 02:30 am")), class = "data.frame", row.names = c(NA, 
-6L))

知道我用于匹配两个数据集的变量不是唯一的，如何在 R 中合并不同的数据集？

How can I merge different data sets in R knowing that the variable that I use for matching the two data set are not unique?

join

r

dataset

dataframe