在R中合并两个数据框时，用现有数据替换缺失值

Question

我想合并两个数据框。这两个数据框有一些共同的变量和一些不同的变量，并且每个数据框中的行数也不同。这两个数据框共享一些行，但并非全部。而且两个数据框都有可能缺失另一个数据框中拥有的数据。

DF1:

姓名	年龄	体重	身高
Tim	7	54	112
Dave	5	50	NA
Larry	NA	42	73
Rob	1	30	43

DF2:

姓名	年龄	体重	身高	年级
Tim	7	NA	112	2
Dave	NA	50	103	1
Larry	3	NA	73	NA
Rob	1	30	NA	NA
John	6	60	NA	1
Tom	8	61	112	2

我想通过共享的列（姓名、年龄、体重和身高）将这两个数据框合并在一起。但是，我希望覆盖缺失值，即如果两个数据框中有一个拥有值而另一个拥有缺失值，则将该值传递到第三个数据框中。理想情况下，当DF1和DF2在同一位置都有NA时，最后的数据框应该只有NA。

理想的数据框：

姓名	年龄	体重	身高	年级
蒂姆	7岁	54公斤	112厘米	2年级
戴夫	5岁	50公斤	103厘米	1年级
拉里	3岁	42公斤	73厘米	N/A
罗布	1岁	30公斤	43厘米	N/A
约翰	6岁	60公斤	N/A	1年级
汤姆	8岁	61公斤	112厘米	2年级

我一直在使用full_join和left_join，但我不知道如何合并它们，以便将NAs替换为实际数据（如果它存在于其中一个数据框中）。 有没有一种方法可以做到这一点？

- lwe

---

这个回答解决了你的问题吗？按ID合并两个不均匀的数据框并填充缺失值 - benson23

你可以进行“合并连接” https://alistaire.rbind.io/blog/coalescing-joins/ - Skaqqs

如果df1和df2都包含非NA值，但不同，应该发生什么？另外，我假设“name”列包含唯一值？ - Ottie

Answer 1

这是一个dplyr中的rows_patch()可以处理的典型情况。

library(dplyr)

rows_patch(df2, df1, by = "name")

   name age weight height grade
1   Tim   7     54    112     2
2  Dave   5     50    103     1
3 Larry   3     42     73    NA
4   Rob   1     30     43    NA
5  John   6     60     NA     1
6   Tom   8     61    112     2

数据

df1 <- structure(list(name = c("Tim", "Dave", "Larry", "Rob"), age = c(7L, 
5L, NA, 1L), weight = c(54L, 50L, 42L, 30L), height = c(112L, 
NA, 73L, 43L)), class = "data.frame", row.names = c(NA, -4L))

df2 <- structure(list(name = c("Tim", "Dave", "Larry", "Rob", "John", 
"Tom"), age = c(7L, NA, 3L, 1L, 6L, 8L), weight = c(NA, 50L, 
NA, 30L, 60L, 61L), height = c(112L, 103L, 73L, NA, NA, 112L), 
grade = c(2L, 1L, NA, NA, 1L, 2L)), class = "data.frame", row.names = c(NA, -6L))

- Darren Tsai

Answer 2

另一个可能的解决方案：

library(tidyverse)

df2 %>% 
  bind_rows(df1) %>% 
  group_by(name) %>% 
  fill(age:grade, .direction = "updown") %>% 
  ungroup %>% 
  distinct

#> # A tibble: 6 x 5
#>   name    age weight height grade
#>   <chr> <int>  <int>  <int> <int>
#> 1 Tim       7     54    112     2
#> 2 Dave      5     50    103     1
#> 3 Larry     3     42     73    NA
#> 4 Rob       1     30     43    NA
#> 5 John      6     60     NA     1
#> 6 Tom       8     61    112     2

- PaulS

Answer 3

我喜欢第一条评论中建议的powerjoin包，这是我以前从未听说过的。

然而，如果你想避免使用额外的包，你可以在基本的R语言中实现。这种方法也避免了需要显式命名每个列 - 评论中建议的dplyr方法并没有做到这一点，尽管可能可以修改。

# Load data

df1  <- read.table(text = "name age weight  height
Tim 7   54  112
Dave    5   50  NA
Larry   NA  42  73
Rob 1   30  43", header=TRUE)
df2  <- read.table(text = "name age weight  height  grade
Tim 7   NA  112 2
Dave    NA  50  103 1
Larry   3   NA  73  NA
Rob 1   30  NA  NA
John    6   60  NA  1
Tom 8   61  112 2", header=TRUE)


df3  <- merge(df1, df2, by = "name", all = TRUE, sort=FALSE)

# Coalesce the common columns
common_cols  <- names(df1)[names(df1)!="name"]
df3[common_cols]  <- lapply(common_cols, function(col) {
    coalesce(df3[[paste0(col, ".x")]], df3[[paste0(col, ".y")]])
}) 

# Select desired columns
df3[names(df2)]

#    name age weight height grade
# 1   Tim   7     54    112     2
# 2  Dave   5     50    103     1
# 3 Larry   3     42     73    NA
# 4   Rob   1     30     43    NA
# 5  John   6     60     NA     1
# 6   Tom   8     61    112     2

使用基本的R语言有其优点，但是powerjoin看起来也是一个很有趣的包。

- SamR

---

请注意，coalesce 函数来自于 dplyr 包。 - benson23

好观点！这就是你一直加载dplyr的结果！ - SamR