高效的 left_join 和后续合并

Posted 2023-04-18

【中文标题】高效的 left_join 和后续合并

【英文标题】：Efficient left_join and subsequent merge

【发布时间】：2017-07-20 14:21:58

【问题描述】：

我有以下数据：

library(dplyr)

a<-data.frame("one"=c(1:10),
              "two"=c("","","","","a","a","a","a","a","a"), stringsAsFactors = F)

b<-data.frame("one"=c(4,2,6),
              "two"=c("C","D","A"), stringsAsFactors = F)

我想将left_join b 放到a 上，这样a$two 在a$one == b$one 时得到b$two 的值。我喜欢这样：

left_join(a, b, by="one")

为了拥有和之前一样的结构，我们可以这样做

left_join(a, b, by="one") %>% 
  mutate(two=ifelse(is.na(two.y), two.x, two.y)) %>% 
  select(-c(two.x, two.y))

这给了我想要的输出：

   one two
1    1    
2    2   D
3    3    
4    4   C
5    5   a
6    6   A
7    7   a
8    8   a
9    9   a
10  10   a

有没有办法执行left_join，这样就不需要mutate 和select 来获得所需的输出？即，有没有更有效的方法来获得我想要的东西？现在看来mutate和select都觉得很麻烦

【参考方案1】：

如果我们正在寻找一个紧凑且高效的选项，那么这可以通过data.table 来实现。将'a'转换为data.table后，加入on'one'并分配（:=）'i.two'，即从'b'到'two'的列（来自'a'）

library(data.table)
setDT(a)[b,two := i.two , on = .(one)]
a
#     one two
# 1:   1    
# 2:   2   D
# 3:   3    
# 4:   4   C
# 5:   5   a
# 6:   6   A
# 7:   7   a
# 8:   8   a
# 9:   9   a
#10:  10   a

【讨论】：

谢谢。这是对数据执行的常见操作，我很惊讶dplyr 不支持更紧凑和简洁的方式来实现这一点