将数据框的新列分配给与其他数据框匹配的值[重复]

Posted 2023-02-19

【中文标题】将数据框的新列分配给与其他数据框匹配的值[重复]

【英文标题】：Assign new column of a dataframe to values matching other dataframe [duplicate]

【发布时间】：2015-11-21 15:02:16

【问题描述】：

我有两个数据框：

geodata<-read.csv(text='postalcode;latitude;longitude
7000;47.8415;16.5041
7000;47.8921;16.4011
7000;47.9400;16.5032
7071;47.8012;16.671
2443;47.9156;16.5179', sep=';', header=TRUE)

addresses<-read.csv(text='postalcode;address
2400;Lorem ipsum
7000;Dolor sit amet
2443;Consetetur sadipscing elitr
7000;Sed diam nonumy', sep=';', header=TRUE)

我需要的是 addresses 数据框中的另外两列与相应的（第一个匹配，当存在多个邮政编码行时）geodata$latitude 和 geodata$longitude 值。

How to join (merge) data frames (inner, outer, left, right)? 几乎显示了我正在寻找的内容，只是我不想在合并的数据框中出现重复的行。

我尝试了类似的东西

# code not working... #
addresses$latitude<-geodata[addresses$postalcode==geodata$postalcode]

我知道这真的很丑:-(

【参考方案1】：

这里不需要使用额外的包。只需merge：

merge(geodata,addresses,all.x=TRUE)

#   postalcode latitude longitude                     address
# 1       2443  47.9156   16.5179 Consetetur sadipscing elitr
# 2       7000  47.8415   16.5041              Dolor sit amet
# 3       7000  47.8415   16.5041             Sed diam nonumy
# 4       7071  47.8012   16.6710                        <NA>

编辑：

要添加地理数据到地址，我们应该在这里颠倒顺序：

merge(addresses,geodata,all.x=TRUE)
  postalcode                     address latitude longitude
1       2400                 Lorem ipsum       NA        NA
2       2443 Consetetur sadipscing elitr  47.9156   16.5179
3       7000              Dolor sit amet  47.8415   16.5041
4       7000             Sed diam nonumy  47.8415   16.5041

【讨论】：

...我认为是all.x=TRUE。可怜的老merge，被所有闪亮的新工具所忽视:-)

@agstudy - 我认为也可以切换地址和地理数据，所以x 引用了更​​长的文件。

您在此解决方案中丢失了一个地址。邮政编码 2400，地址 Lorem ipsum

erasmortg：丢失没有地理数据的地址是我所期望的。我的目标是将数据绘制成地图。

【参考方案2】：

也许有来自 dplyr 的 left_join：

library(dplyr)
left_join(addresses,geodata, fill=NA)
#Joining by: "postalcode"
#  postalcode                     address latitude longitude
#1       2400                 Lorem ipsum       NA        NA
#2       7000              Dolor sit amet  47.8415   16.5041
#3       2443 Consetetur sadipscing elitr  47.9156   16.5179
#4       7000             Sed diam nonumy  47.8415   16.5041

编辑，如果每个邮政编码有多个结果，您可以尝试子集地理数据：

#left_join(addresses, subset(geodata, !duplicated(postalcode)), fill=NA)
#Joining by: "postalcode"
#  postalcode                     address latitude longitude
#1       2400                 Lorem ipsum       NA        NA
#2       7000              Dolor sit amet  47.8415   16.5041
#3       2443 Consetetur sadipscing elitr  47.9156   16.5179
#4       7000             Sed diam nonumy  47.8415   16.5041

【讨论】：

谢谢，这几乎可以按预期工作。我编辑了我的帖子：问题是，每个邮政编码可能有多个 lat/loc 值。我需要的是 geodata datafame 中的第一个匹配行。

@JohannHorvat 编辑了答案，让我知道它是否有效

【参考方案3】：

你可以加入他们（在 plyr 中）

library(plyr)
addresses <- join(addresses,geodata)