在 R 中，当有多个列表需要匹配时，如何组合两个数据帧？

有几种方法可以做到这一点。

他们中的大多数依赖于您首先将您的-3值更改为NA值，例如通过mutate(across(where(is.numeric), ~ifelse(.x == -3, NA_real_, .x))).

下面是一些例子。

dplyr::rows_upsert

到目前为止，最简单的方法是使用dplyr::rows_upsert(). 这将使用非缺失数据更新您缺失的行，并插入您的第一个 df 中不存在的行。

library(dplyr)

dfA %>% 
  mutate(across(where(is.numeric), ~ifelse(.x == -3, NA_real_, .x))) %>% 
  dplyr::rows_upsert(dfB, by = c("city", "name"))
#> # A tibble: 7 × 5
#>   city  name  bloodtype pulse20 pulse21
#>   <chr> <chr> <chr>       <dbl>   <dbl>
#> 1 CityA Angel A              78      79
#> 2 CityA Bob   B              90      91
#> 3 CityB Cathy A              60      64
#> 4 CityB Dean  B              70      71
#> 5 CityC Ellen O              60      65
#> 6 CityC Faye  AB             75      79
#> 7 CityC Gaven O              NA      68

^{由reprex 包（v2.0.1）于 2022-04-18 创建}

请注意，此功能仍处于试验阶段，可能会随着 dplyr 的未来更新而改变。

full_join()和pivot_longer()

如果我们首先连接具有不同后缀的两个数据框，我们可以tidyr::pivot_longer()为我们合并它们。这将首先创建一个长数据框，其中 和 之间的组合dfA，dfB但na.omit()确保我们只保留没有缺失值的值：

library(dplyr)

dfA %>% 
  full_join(dfB, by = c("city", "name"), suffix = c("_A", "_B")) %>% 
  mutate(across(where(is.numeric), ~ifelse(.x == -3, NA_real_, .x))) %>%
  tidyr::pivot_longer(
    ends_with(c("_A", "_B")), 
    names_to = ".value", 
    names_pattern = "(.*)_.*",
    values_drop_na = TRUE
  ) %>% 
  na.omit()
#> # A tibble: 6 × 5
#>   city  name  pulse20 bloodtype pulse21
#>   <chr> <chr>   <dbl> <chr>       <dbl>
#> 1 CityA Angel      78 A              79
#> 2 CityA Bob        90 B              91
#> 3 CityB Cathy      60 A              64
#> 4 CityB Dean       70 B              71
#> 5 CityC Ellen      60 O              65
#> 6 CityC Faye       75 AB             79

^{由reprex 包（v2.0.1）于 2022-04-18 创建}

请注意，此解决方案会删除仅存在于dfB.

bind_rows()和summarise()

通过首先使用bind_rows()，我们可以按行组合两个 dfs。通过对 id 列进行分组，我们可以使用 eg 来汇总数据median(na.rm = TRUE)，这将为我们删除缺失值：

library(dplyr)

dfA %>% 
  bind_rows(dfB) %>% 
  mutate(across(where(is.numeric), ~ifelse(.x == -3, NA_real_, .x))) %>% 
  group_by(city, name, bloodtype) %>% 
  summarise(
    across(
      everything(),
      ~median(.x, na.rm = TRUE)
    )
  ) %>% 
  ungroup()
#> `summarise()` has grouped output by 'city', 'name'. You can override using the
#> `.groups` argument.
#> # A tibble: 7 × 5
#>   city  name  bloodtype pulse20 pulse21
#>   <chr> <chr> <chr>       <dbl>   <dbl>
#> 1 CityA Angel A              78      79
#> 2 CityA Bob   B              90      91
#> 3 CityB Cathy A              60      64
#> 4 CityB Dean  B              70      71
#> 5 CityC Ellen O              60      65
#> 6 CityC Faye  AB             75      79
#> 7 CityC Gaven O              NA      68

^{由reprex 包（v2.0.1）于 2022-04-18 创建}

原始答案

与我原来的答案一样，您可以使用full_join()andmutate()来修复NAand-3问题。但是，当您有很多列时，这比上面提到的解决方案更困难。

数据

dfA <- tibble::tribble(
  ~city,  ~name,  ~bloodtype, ~pulse20, ~pulse21,
  "CityA", "Angel", "A",              78,      79,
  "CityA", "Bob",   "B",              90,      91,
  "CityB", "Cathy", "A",              60,      64,
  "CityB", "Dean",  "B",              70,      71,
  "CityC", "Ellen", "O",              60,      -3,
  "CityC", "Faye",  "AB",             75,      -3
)

dfB <- tibble::tribble(
  ~city,  ~name,  ~bloodtype, ~pulse21,
  "CityC", "Ellen", "O",              65,
  "CityC", "Faye",  "AB",             79,
  "CityC", "Gaven", "O",              68
)