我需要将许多大表格添加到现有表格中，因此我使用了优秀的data.table包中的rbind。但是一些后来的表格比原始表格具有更多的列（需要包含）。是否有类似于data.table的rbind.fill的等效方法？
library(data.table)
aa <- c(1,2,3)
bb <- c(2,3,4)
cc <- c(3,4,5)
dt.1 <- data.table(cbind(aa, bb))
dt.2 <- data.table(cbind(aa, bb, cc))
dt.11 <- rbind(dt.1, dt.1) # Works, but not what I need
dt.12 <- rbind(dt.1, dt.2) # What I need, doesn't work
dt.12 <- rbind.fill(dt.1, dt.2) # What I need, doesn't work either
我需要在拥有所有表格之前开始rbinding，因此无法知道未来的新列将被称为什么。缺失数据可以用NA填充。
v1.9.2 开始，data.table 的 rbind 函数增加了 fill 参数。根据 ?rbind.data.table 文档：
如果为 TRUE，则使用 NA 填充缺少的列。默认为 FALSE。当为 TRUE 时，use.names 必须为 TRUE，并且输入列表的所有项目都必须具有非空列名。
因此，在大约 v1.9.6 之前，您可以执行以下操作：
data.table::rbind(dt.1, dt.2, fill=TRUE)
# aa bb cc
# 1: 1 2 NA
# 2: 2 3 NA
# 3: 3 4 NA
# 4: 1 2 3
# 5: 2 3 4
# 6: 3 4 5
v1.9.6更新内容:
现在可以直接使用此功能:
rbind(dt.1, dt.2, fill=TRUE)
# aa bb cc
# 1: 1 2 NA
# 2: 2 3 NA
# 3: 3 4 NA
# 4: 1 2 3
# 5: 2 3 4
# 6: 3 4 5
data.table之后，rbind可以单独使用，但我仍然很惊讶它会抛出那个错误。我猜我还没有完全理解命名空间的使用。例如，p_load可以作为pacman::p_load()或在require(pacman)之后直接使用p_load()。 - user4458796rbind.missing <- function(A, B) {
cols.A <- names(A)
cols.B <- names(B)
missing.A <- setdiff(cols.B,cols.A)
# check and define missing columns in A
if(length(missing.A) > 0L){
# .. means "look up one level"
class.missing.A <- lapply(B[, ..missing.A], class)
nas.A <- lapply(class.missing.A, as, object = NA)
A[,c(missing.A) := nas.A]
}
# check and define missing columns in B
missing.B <- setdiff(names(A), cols.B)
if(length(missing.B) > 0L){
class.missing.B <- lapply(A[, ..missing.B], class)
nas.B <- lapply(class.missing.B, as, object = NA)
B[,c(missing.B) := nas.B]
}
# reorder so they are the same
setcolorder(B, names(A))
rbind(A, B)
}
rbind.missing(dt.1,dt.2)
## aa bb cc
## 1: 1 2 NA
## 2: 2 3 NA
## 3: 3 4 NA
## 4: 1 2 3
## 5: 2 3 4
## 6: 3 4 5
这对许多或大型数据表来说并不高效，因为它一次只能处理两个数据表。
插入缺失的列（有正确类型和NA）的另一种方法是使用merge()函数将第一个数据表A与一个空数据表A2[0]合并，该数据表具有第二个数据表的结构。这样可以避免在用户函数中引入错误（我知道merge()比我自己编写的代码更可靠;））。使用上面mnel的表格，可以像下面的代码一样操作。
此外，处理data.tables时，使用rbindlist()应该会更快。
定义表格（与上面mnel的代码相同）：
library(data.table)
A <- data.table(a=1:3, b=1:3, c=1:3)
A2 <- data.table(a=6:9, b=6:9, c=6:9)
B <- data.table(b=1:3, c=1:3, d=1:3, m=LETTERS[1:3])
C <- data.table(n=round(rnorm(3), 2), f=c(T, F, T), c=7:9)
在表A中插入缺失的变量：（请注意使用A2[0]的方式）
A <- merge(x=A, y=A2[0], by=intersect(names(A),names(A2)), all=TRUE)
在表格A2中插入缺失的列：
A2 <- merge(x=A[0], y=A2, by=intersect(names(A),names(A2)), all=TRUE)
A和A2应该具有相同的列，并且类型也相同。 为了安全起见（可能不需要，不确定rbindlist（）是否跨列名或列位置绑定），请设置列顺序以匹配：setcolorder(A2, names(A))
DT.ALL <- rbindlist(l=list(A,A2))
DT.ALL
重复进行其他表格...也许最好将其放入函数中，而不是手动重复...
DT.ALL <- merge(x=DT.ALL, y=B[0], by=intersect(names(DT.ALL), names(B)), all=TRUE)
B <- merge(x=DT.ALL[0], y=B, by=intersect(names(DT.ALL), names(B)), all=TRUE)
setcolorder(B, names(DT.ALL))
DT.ALL <- rbindlist(l=list(DT.ALL, B))
DT.ALL <- merge(x=DT.ALL, y=C[0], by=intersect(names(DT.ALL), names(C)), all=TRUE)
C <- merge(x=DT.ALL[0], y=C, by=intersect(names(DT.ALL), names(C)), all=TRUE)
setcolorder(C, names(DT.ALL))
DT.ALL <- rbindlist(l=list(DT.ALL, C))
DT.ALL
rbind()还是考虑一个merge()？data.table vs. plyr的基准测试也很重要。rbindFill(A, B)
rbindFill.data.table <- function(master, newTable) {
# Append newTable to master
# assign to Master
#-----------------#
# identify columns missing
colMisng <- setdiff(names(newTable), names(master))
# if there are no columns missing, move on to next part
if (!identical(colMisng, character(0))) {
# identify class of each
colMisng.cls <- sapply(colMisng, function(x) class(newTable[[x]]))
# assign to each column value of NA with appropriate class
master[ , eval(colMisng) := lapply(colMisng.cls, function(cc) as(NA, cc))]
}
# assign to newTable
#-----------------#
# identify columns missing
colMisng <- setdiff(names(master), names(newTable))
# if there are no columns missing, move on to next part
if (!identical(colMisng, character(0))) {
# identify class of each
colMisng.cls <- sapply(colMisng, function(x) class(master[[x]]))
# assign to each column value of NA with appropriate class
newTable[ , eval(colMisng) := lapply(colMisng.cls, function(cc) as(NA, cc))]
}
# reorder columns to avoid warning about ordering
#-----------------#
colOrdering <- colOrderingByOtherCol(newTable, names(master))
setcolorder(newTable, colOrdering)
# rbind them!
#-----------------#
rbind(master, newTable)
}
# implement generic function
rbindFill <- function(x, y, ...) UseMethod("rbindFill")
示例用法：
# Sample Data:
#--------------------------------------------------#
A <- data.table(a=1:3, b=1:3, c=1:3)
A2 <- data.table(a=6:9, b=6:9, c=6:9)
B <- data.table(b=1:3, c=1:3, d=1:3, m=LETTERS[1:3])
C <- data.table(n=round(rnorm(3), 2), f=c(T, F, T), c=7:9)
#--------------------------------------------------#
# Four iterations of calling rbindFill
master <- rbindFill(A, B)
master <- rbindFill(master, A2)
master <- rbindFill(master, C)
# Results:
master
# a b c d m n f
# 1: 1 1 1 NA NA NA NA
# 2: 2 2 2 NA NA NA NA
# 3: 3 3 3 NA NA NA NA
# 4: NA 1 1 1 A NA NA
# 5: NA 2 2 2 B NA NA
# 6: NA 3 3 3 C NA NA
# 7: 6 6 6 NA NA NA NA
# 8: 7 7 7 NA NA NA NA
# 9: 8 8 8 NA NA NA NA
# 10: 9 9 9 NA NA NA NA
# 11: NA NA 7 NA NA 0.86 TRUE
# 12: NA NA 8 NA NA -1.15 FALSE
# 13: NA NA 9 NA NA 1.10 TRUE
NA分配给正确的类（NA是logical），否则在示例数据集中，dt.1[,cc := NA]; rbind(dt.1,dt.2)。 - mnelfoo <- lapply(lapply(dt.1, class), as,object=NA); dt.1[,names(foo) := foo] 这样的代码可以工作，但显然这会将 NA 分配给所有列，所以问题在于只分配你想要的那些列。 - mneldplyr函数的bind_rows可以自动执行此操作。
aa <- c(1,2,3) bb <- c(2,3,4) cc <- c(3,4,5)
dt.1 <- data.table(cbind(aa, bb)) dt.2 <- data.table(cbind(aa, bb, cc))
(dt.11 <- bind_rows(dt.1, dt.2))
aa bb cc
1: 1 2 NA
2: 2 3 NA
3: 3 4 NA
4: 1 2 3
5: 2 3 4
6: 3 4 5