如何 match/merge 来自 R 中两个不同文件的数据？
How to match/merge data from two different files in R?
我有两个文件（file1.csv 和 file2.csv）。如下所示，文件 1 包含两列日期和具有 365 个观测值（全年）的变量 x1。文件 2 包含列日期作为文件 1 和许多其他变量。我只对只有 24 个观察值（每个月 2 个观察值）的变量 x45 感兴趣。
文件 1
date x1
1/01/2005 33
2/01/2005 24
3/01/2005 72
31/12/2005 52
文件 2
date x2 x3 x45
1/01/2005 115
5/02/2005 125
13/04/2005 127
31/12/2005 138
所以我想将列 x45 添加到 file1.csv 看起来像
date x1 x45
1/01/2005 33 115
2/01/2005 24 NA
3/01/2005 72 NA
31/12/2005 52 138
我试过使用
file1= read.csv("D:/file1.csv")
file2= read.csv("D:/file2.csv")
file3 = merge(file1, file2)
但是，文件 3 只有 24 行（观察结果）并且忽略了文件 1 中的其余观察结果。
如能提供任何有助于获得上述结果的帮助，我们将不胜感激。
你可以试试left_join
library(dplyr)
left_join(df1, df2[c('date', 'x45')], by='date')
# date x1 x45
#1 1/01/2005 33 115
#2 2/01/2005 24 NA
#3 3/01/2005 72 NA
#4 31/12/2005 52 138
或使用merge
merge(df1, df2[c('date', 'x45')], all.x=TRUE)
# date x1 x45
#1 1/01/2005 33 115
#2 2/01/2005 24 NA
#3 3/01/2005 72 NA
#4 31/12/2005 52 138
更新
dplyr的left_join和plyr的join保持原来的顺序。如果您需要在 merge 中保持顺序，一种选择是在 "df1" 中创建一个 "indx"，在 merge 之后，可以使用 [=37] 保留原始顺序=]
df1$indx <- 1:nrow(df1)
merge(df1, df2[c('date', 'x45')], all.x=TRUE)[order(df1$indx),-3]
date x1 x45
#1 1/01/2005 33 115
#2 2/01/2005 24 NA
#3 3/01/2005 72 NA
#4 31/12/2005 52 138
或使用 plyr
中的 join
library(plyr)
join(df1, df2[c('date', 'x45')], by='date', type='left')
数据
df1 <- structure(list(date = c("1/01/2005", "2/01/2005", "3/01/2005",
"31/12/2005"), x1 = c(33L, 24L, 72L, 52L)), .Names = c("date",
"x1"), class = "data.frame", row.names = c(NA, -4L))
df2 <- structure(list(date = c("1/01/2005", "5/02/2005", "13/04/2005",
"31/12/2005"), x2 = c(NA, NA, NA, NA), x3 = c(NA, NA, NA, NA),
x45 = c(115L, 125L, 127L, 138L)), .Names = c("date", "x2",
"x3", "x45"), class = "data.frame", row.names = c(NA, -4L))
以下也可以工作，不需要包，也不会改变 df1 中行的原始顺序：
df1
# date x1
#2 1/01/2005 33
#3 2/01/2005 24
#4 3/01/2005 72
#5 31/12/2005 52
df2
# date x45
#1 1/01/2005 33
#2 2/01/2005 24
#3 3/01/2005 72
#4 31/12/2005 52
df1$x45 <- df2$x45[match(df1$date, df2$date)]
df1
# date x1 x45
#2 1/01/2005 33 33
#3 2/01/2005 24 24
#4 3/01/2005 72 72
#5 31/12/2005 52 52
为了完整起见，您可以使用 data.table 程序包
通过引用（不使用 <-）非常快速地加入和更新 file1
library(data.table)
setkey(setDT(file1), date)[file2, x45 := i.x45]
file1
# date x1 x45
# 1: 1/01/2005 33 115
# 2: 2/01/2005 24 NA
# 3: 3/01/2005 72 NA
# 4: 31/12/2005 52 138
在这里，您通过 date 列键入 file1 并在 file2 上执行二进制连接，同时仅拉取 x45 列
我有两个文件（file1.csv 和 file2.csv）。如下所示，文件 1 包含两列日期和具有 365 个观测值（全年）的变量 x1。文件 2 包含列日期作为文件 1 和许多其他变量。我只对只有 24 个观察值（每个月 2 个观察值）的变量 x45 感兴趣。
文件 1
date x1
1/01/2005 33
2/01/2005 24
3/01/2005 72
31/12/2005 52
文件 2
date x2 x3 x45
1/01/2005 115
5/02/2005 125
13/04/2005 127
31/12/2005 138
所以我想将列 x45 添加到 file1.csv 看起来像
date x1 x45
1/01/2005 33 115
2/01/2005 24 NA
3/01/2005 72 NA
31/12/2005 52 138
我试过使用
file1= read.csv("D:/file1.csv")
file2= read.csv("D:/file2.csv")
file3 = merge(file1, file2)
但是，文件 3 只有 24 行（观察结果）并且忽略了文件 1 中的其余观察结果。
如能提供任何有助于获得上述结果的帮助，我们将不胜感激。
你可以试试left_join
library(dplyr)
left_join(df1, df2[c('date', 'x45')], by='date')
# date x1 x45
#1 1/01/2005 33 115
#2 2/01/2005 24 NA
#3 3/01/2005 72 NA
#4 31/12/2005 52 138
或使用merge
merge(df1, df2[c('date', 'x45')], all.x=TRUE)
# date x1 x45
#1 1/01/2005 33 115
#2 2/01/2005 24 NA
#3 3/01/2005 72 NA
#4 31/12/2005 52 138
更新
dplyr的left_join和plyr的join保持原来的顺序。如果您需要在 merge 中保持顺序，一种选择是在 "df1" 中创建一个 "indx"，在 merge 之后，可以使用 [=37] 保留原始顺序=]
df1$indx <- 1:nrow(df1)
merge(df1, df2[c('date', 'x45')], all.x=TRUE)[order(df1$indx),-3]
date x1 x45
#1 1/01/2005 33 115
#2 2/01/2005 24 NA
#3 3/01/2005 72 NA
#4 31/12/2005 52 138
或使用 plyr
join
library(plyr)
join(df1, df2[c('date', 'x45')], by='date', type='left')
数据
df1 <- structure(list(date = c("1/01/2005", "2/01/2005", "3/01/2005",
"31/12/2005"), x1 = c(33L, 24L, 72L, 52L)), .Names = c("date",
"x1"), class = "data.frame", row.names = c(NA, -4L))
df2 <- structure(list(date = c("1/01/2005", "5/02/2005", "13/04/2005",
"31/12/2005"), x2 = c(NA, NA, NA, NA), x3 = c(NA, NA, NA, NA),
x45 = c(115L, 125L, 127L, 138L)), .Names = c("date", "x2",
"x3", "x45"), class = "data.frame", row.names = c(NA, -4L))
以下也可以工作，不需要包，也不会改变 df1 中行的原始顺序：
df1
# date x1
#2 1/01/2005 33
#3 2/01/2005 24
#4 3/01/2005 72
#5 31/12/2005 52
df2
# date x45
#1 1/01/2005 33
#2 2/01/2005 24
#3 3/01/2005 72
#4 31/12/2005 52
df1$x45 <- df2$x45[match(df1$date, df2$date)]
df1
# date x1 x45
#2 1/01/2005 33 33
#3 2/01/2005 24 24
#4 3/01/2005 72 72
#5 31/12/2005 52 52
为了完整起见，您可以使用 data.table 程序包
<-）非常快速地加入和更新 file1
library(data.table)
setkey(setDT(file1), date)[file2, x45 := i.x45]
file1
# date x1 x45
# 1: 1/01/2005 33 115
# 2: 2/01/2005 24 NA
# 3: 3/01/2005 72 NA
# 4: 31/12/2005 52 138
在这里，您通过 date 列键入 file1 并在 file2 上执行二进制连接，同时仅拉取 x45 列