用于“左连接”两个数据帧的惯用 R 方法

Posted 2023-02-22

【中文标题】用于“左连接”两个数据帧的惯用 R 方法

【英文标题】：Idiomatic R method for "left joining" two data frames

【发布时间】：2011-04-21 18:20:06

【问题描述】：

我有两个数据框，它们都有一个包含如下因素的列：

> head(test.data)
      var0     var1       date  store
1 109.5678 109.5678 1990-03-30 Store1
2 109.3009 108.4261 1990-06-30 Store1
3 108.8262 106.2517 1990-09-30 Store1
4 108.2443 108.6417 1990-12-30 Store1
5 109.5678 109.5678 1991-03-30 Store1
6 109.3009 108.4261 1991-06-30 Store1
> summary(test.data)
      var0             var1              date                store   
 Min.   : -9.72   Min.   : -2.297   Min.   :1990-03-30   Store1 : 8  
 1st Qu.: 68.32   1st Qu.: 71.305   1st Qu.:1990-09-07   Store2 : 8  
 Median :102.19   Median :101.192   Median :1991-02-13   Store3 : 8  
 Mean   :101.09   Mean   :103.042   Mean   :1991-02-13   Store4 : 8  
 3rd Qu.:151.22   3rd Qu.:151.940   3rd Qu.:1991-07-23   Store5 : 8  
 Max.   :196.55   Max.   :201.099   Max.   :1991-12-30   Store6 : 8  
                                                         (Other):48  
>
> head(test.clusters)
   store cluster
1 Store1       A
2 Store2       C
3 Store3       A
4 Store4       B
5 Store5       D
6 Store6       A
>
> summary(test.clusters)
     store   cluster
 Store1 :1   A:5    
 Store2 :1   B:4    
 Store3 :1   C:2    
 Store4 :1   D:1    
 Store5 :1          
 Store6 :1          
 (Other):6          
> 

我想根据共享的store 向test.data 添加一列，其中包含每一行的cluster。我目前正在使用双重嵌套循环来执行此操作：

new_col <- rep(test.clusters$cluster[1], length(test.data$store))
for (i in seq(test.data$store))
  for (j in seq(test.clusters$store))
    if (test.data$store[i] == test.clusters$store[j])
      new_col[i] <- test.clusters$cluster[j]
      break
           
  

test.data$cluster <- new_col

这非常冗长，效率极低，坦率地说很难看。在 R 中这样做的惯用方法是什么？

【参考方案1】：

使用merge函数。

【讨论】：

+1 参见 ***.com/questions/3515611/merge-command-in-r 和 ***.com/questions/2232699/… 例如，或在网站上搜索“merge [r]”。

我会调查一下 - 不知道要搜索什么关键字！

【参考方案2】：

我推荐match。它会比merge快得多。

应该是这样的：

test.data$cluster <- test.clusters$cluster[match(test.data$store, test.clusters$store)]

【参考方案3】：

使用plyr 中的join 函数。它在内部使用匹配，所以应该很快（比合并快 4-10 倍）。

【讨论】：

请注意，这只适用于当前版本的 plyr。如果您因任何原因被困在旧版本的 R 上，这将不是一个选择。