合并两个数据框并在R中替换NA值。

Question

我有一个主表(a)，包含列: id, age 和 sex。例如：

a <- data.frame(id=letters[1:4], age=c(18,NA,9,NA), sex=c("M","F","F","M"))
  id age sex
1  a  18   M
2  b  NA   F
3  c   9   F
4  d  NA   M

我有一个补充表(b)，只包含在表(a)中缺失的数据或重复的数据。例如：

b <- data.frame(id=c("a","b","d"), age=c(18,32,20))
  id age
1  a  18
2  b  32
3  d  20

现在我想将这两个表合并成以下这样：

  id age sex
1  a  18   M
2  b  32   F
3  c   9   F
4  d  20   M

然而，我尝试了 merge(a,b,by="id",all=T)。结果并不是我想要的。是否有任何方法可以解决这个问题？谢谢！

- Eric Chang

Answer 1

我们可以使用data.table。

library(data.table)
setDT(a)[b, agei := i.age, on='id'][is.na(age), age := agei][,agei:= NULL][]
a
 #  id age sex
#1:  a  18   M
#2:  b  32   F
#3:  c   9   F
#4:  d  20   M

- akrun

---

akrun，我最近发布了一个问题，关于如何使用第二个数据表（在此示例中为b）中的所有列来完成仅更新NA值的操作。在OP的情况下，它只涉及年龄列。你愿意在这篇文章或我的文章中尝试解决这个问题吗？我喜欢data.table的解决方案。 - AlexR

@AlexR 看起来Frank提供了一些解决方案。 - akrun

他确实做到了，但解决方案涉及融合数据，这会强制所有变量转换为相同的类型。我希望有一些不那么“侵入式”的东西，并期待着各种意见。无论如何，感谢您的查看。 - AlexR

Answer 2

Here is a dplyr solution:

library(dplyr)

c <- left_join(a,b, by = "id") %>% # this will generate age.x and age.y
  mutate(age = ifelse(is.na(age.x), age.y, age.x)) %>% # we generate a joint 'age' variable
  select(-age.y, -age.x) # drop the superfluous columns

> c
  id sex age
1  a   M  18
2  b   F  32
3  c   F   9
4  d   M  20

请注意，这将会给您一个警告，因为您试图在因子水平上进行连接。这是因为可重现示例中的示例数据是使用 stringsAsFactors = T 生成的。

- Felix