在 R 中合并两个数据帧，没有重复的条目

Posted 2023-03-25

【中文标题】在 R 中合并两个数据帧，没有重复的条目

【英文标题】：Combine two data frames in R without repeated entries

【发布时间】：2021-11-20 00:29:46

【问题描述】：

我有两个数据框，其中包含具有各自日期的行条目。数据框 1 包含从 2010 年到 2017 年收集的观察结果。

   dates       A
 2010-01-01   21
 2010-01-02   27
 2010-01-03   34
...
 2017-12-29   22
 2017-12-30   32
 2017-12-31   25

数据框 2 包含从 2015 年到 2020 年收集的观察结果。

  dates        A
 2015-01-01   20
 2015-01-02   29
 2015-01-03   34
...
 2020-12-29   22
 2020-12-30   27
 2020-12-31   32

这两个数据框都缺失了几天的观察结果。我希望结合两个数据框来填补缺失的数据，并获得到 2020 年的完整时间序列，而无需任何重复输入。像下面的数据框：

   dates       A
 2010-01-01   21
 2010-01-02   27
 2010-01-03   34
 ...
 2020-12-29   22
 2020-12-30   27
 2020-12-31   32

使用 merge(df1, df2, by = 'dates') 或 full_join(df1, df2, by = 'dates') 会创建重复的条目或两列 A.x 和 A.y，这不是预期的。

【问题讨论】：

如果日期出现在 df1 和 df2 中会发生什么？你有sum 的A 价值观吗？

在这种情况下，我取两个值的平均值。或者，我也可以使用任何一个数据帧中的值。

【参考方案1】：

试试下面的代码

dfout <- unique(rbind(df1,df2))
dfout <- dfout[order(dfout$dates),]

【参考方案2】：

如果在两个数据框mean 中都存在重复的日期A 值，则将df1 和df2 组合起来，并使用complete 来填充缺失的日期。

library(dplyr)
library(tidyr)

df1 %>%
  bind_rows(df2) %>%
  mutate(dates = as.Date(dates)) %>%
  group_by(dates) %>%
  summarise(A = mean(A)) %>%
  complete(dates = seq(min(date), max(date), by = 'day'))

【参考方案3】：

如果您的df 真的只有两列，您应该可以通过bind_rows、group_by 和distinct 删除重复项。

library(dplyr)
df <- bind_rows(df1, df2) %>%
   group_by(dates, A) %>%
   distinct(dates)

编辑：如果您的数据在单个日期的数据框之间不一致，这将不起作用。如果您有 2015 年 1 月 1 日的两条记录并且它们具有不同的 A 值，则它们都将被保留。