如何使用“merge”代替“plyr::join(x,y,type='full')”[[副本]

使用您的示例数据,我们将使用 join

> join(df.2,df.1)
Joining by: class
  object class prob
1      A     2  0.7
2      B     1  0.5
3      D     2  0.7
4      F     3  0.3
5      C     1  0.5

http://www.r-statistics.com/2012/01/merging-two-data-frame-objects-while-preserving-the-rows-order/

http://r.789695.n4.nabble.com/patching-merge-to-allow-the-user-to-keep-the-order-of-one-of-the-two-data-frame-objects-merged-td4296561.html

您只需要创建一个变量,它给出df.2中的行号。然后,一旦合并了数据,就可以根据这个变量对新数据集进行排序。举个例子:

df.1<-data.frame(class=c(1,2,3), prob=c(0.5,0.7,0.3))
df.2<-data.frame(object=c('A','B','D','F','C'), class=c(2,1,2,3,1))
df.2$id  <- 1:nrow(df.2)
out  <- merge(df.2,df.1, by = "class")
out[order(out$id), ]

您也可以查看 inner_join 哈德利函数 dplyr plyr ). 它保留第一个数据集的行顺序。与所需解决方案的细微差别在于,它还保留了第一个数据集的原始列顺序。所以它不一定把我们用来合并的列放在第一个位置。

inner_join(df.2,df.1)
Joining by: "class"
  object class prob
1      A     2  0.7
2      B     1  0.5
3      D     2  0.7
4      F     3  0.3
5      C     1  0.5

从 data.table v1.9.5+ ,您可以执行以下操作:

require(data.table) # v1.9.5+
setDT(df.1)[df.2, on="class"]

对列执行联接 class df.1 中的每一行 df.2 并提取相应的列。

在联接中更新 同时保留原始行顺序。这可能是一个替代方案 Arun's data.table answer 如果只有几列要追加:

library(data.table)
setDT(df.2)[df.1, on = "class", prob := i.prob][]

   object class prob
1:      A     2  0.7
2:      B     1  0.5
3:      D     2  0.7
4:      F     3  0.3
5:      C     1  0.5

df.2 是正确地加入到 df.1 并获得一个新的专栏 prob 它是从 .

accepted answer 提出了一种使用时保持秩序的手动方法 merge ,大多数情况下可以工作,但需要不必要的手动操作。这个解决方案来自于 How to ddply() without sorting? ,它处理的是维持秩序的问题,但在拆分应用组合上下文中:

#Peter's version used a function gensym to
# create the col name, but I couldn't track down
# what package it was in.
keeping.order <- function(data, fn, ...) { 
  col <- ".sortColumn"
  data[,col] <- 1:nrow(data) 
  out <- fn(data, ...) 
  if (!col %in% colnames(out)) stop("Ordering column not preserved by function") 
  out <- out[order(out[,col]),] 
  out[,col] <- NULL 
  out 
} 

keeping.order 函数以保持

df.1<-data.frame(class=c(1,2,3), prob=c(0.5,0.7,0.3))
df.2<-data.frame(object=c('A','B','D','F','C'), class=c(2,1,2,3,1))
keeping.order(df.2, merge, y=df.1, by = "class")

根据要求,将产生:

> keeping.order(df.2, merge, y=df.1, by = "class")
  class object id prob
3     2      A  1  0.7
1     1      B  2  0.5
4     2      D  3  0.7
5     3      F  4  0.3
2     1      C  5  0.5

维持秩序 有效地自动化已接受答案中的方法。

merge_sameord = function(x, y, ...) {
    UseMethod('merge_sameord')
}

merge_sameord.data.frame = function(x, y, ...) {
    rstr = paste(sample(c(0:9, letters, LETTERS), 12, replace=TRUE), collapse='')
    x[, rstr] = 1:nrow(x)
    res = merge(x, y, all.x=TRUE, sort=FALSE, ...)
    res = res[order(res[, rstr]), ]
    res[, rstr] = NULL
    res
}

在这种情况下,你可以告诉我们 factor 对于紧凑的基本解决方案:

df.2$prob = factor(df.2$class,labels=df.1$prob)

df.2
#   object class prob
# 1      A     2  0.7
# 2      B     1  0.5
# 3      D     2  0.7
# 4      F     3  0.3
# 5      C     1  0.5

但不是一般解决方案,如果:

2. 您想更新一个表,而不是创建一个新表
3. 查找表按合并列排序
4. 查找表没有额外的级别
5. 你想要一个 left_join

1是没有商量余地的,剩下的我们可以做:

df.3  <- df.2 # deal with 2.
df.1b <- df.1[order(df.1$class),] # deal with 3
df.1b <- df.1b[df.1$class %in% df.2$class,] # deal with 4.
df.3$prob = factor(df.3$class,labels=df.1b$prob)
df.3 <- df3[!is.na(df.3$prob),] # deal with 5. if you want an `inner join`
df.3$prob <- as.numeric(as.character(df.3$prob)) # deal with 6.

# Use the key variable as row.names
row.names(df.1) = df.1$key

# Sort df.1 so that it's rows match df.2
df.3 = df.1[df.2$key, ]

# Create a data.frame with cariables from df.1 and (the sorted) df.2
df.4 = cbind(df.1, df.3)

此代码将保留df.2及其顺序,并仅添加df.1中的匹配数据

如果只添加一个变量,则 cbind()

row.names(df.1) = df.1$key
df.2$data = df.1[df.2$key, "data"]

对于包开发人员

作为软件包开发人员,您希望尽可能少地依赖其他软件包。尤其是tidyverse函数,对于包开发人员来说,这种变化太频繁了。

能够利用 dplyr 打包而不导入 dplyr公司 ,下面是一个快速实现。它保持了原来的排序(按OP的要求),并且没有将连接列移到前面(这是另一件令人讨厌的事情) merge()

left_join <- function(x, y, ...) {
  merge_exec(x = x, y = y, all.x = TRUE, ...)
}
right_join <- function(x, y, ...) {
  merge_exec(x = x, y = y, all.y = TRUE, ...)
}
inner_join <- function(x, y, ...) {
  merge_exec(x = x, y = y, all = TRUE, ...)
}
full_join <- function(x, y, ...) {
  merge_exec(x = x, y = y, ...)
}

# workhorse:
merge_exec <- function(x, y, ...) {
  # set index
  x$join_id_ <- 1:nrow(x)
  # do the join
  joined <- merge(x = x, y = y, sort = FALSE, ...)
  # get suffices (yes, I prefer this over suffixes)
  if ("suffixes" %in% names(list(...))) {
    suffixes <- list(...)$suffixes
  } else {
    suffixes <- c("", "")
  }
  # get columns names in right order, so the 'by' column won't be forced first
  cols <- unique(c(colnames(x), 
                   paste0(colnames(x), suffixes[1]), 
                   colnames(y), 
                   paste0(colnames(y), suffixes[2])))
  # get the original row and column index
  joined[order(joined$join_id),
         cols[cols %in% colnames(joined) & cols != "join_id_"]]
}

评分最高的答案不会产生原始海报想要的内容,即第1栏中的“类”。如果OP允许在df.2中切换列顺序,那么下面是一个可能的base R non merge单行答案:

df.1 <- data.frame(class = c(1, 2, 3), prob = c(0.5, 0.7, 0.3))  
df.2 <- data.frame(class = c(2, 1, 2, 3, 1), object = c('A', 'B', 'D', 'F', 'C'))  
cbind(df.2, df.1[match(df.2$class, df.1$class), -1, drop = FALSE])

我碰巧喜欢列名中描述的信息。一个完全复制OP期望结果的一行代码是

data.frame(cbind(df.2, df.1[match(df.2$class, df.1$class), -1, drop = FALSE]),
           row.names = NULL)

我同意你的看法 https://stackoverflow.com/users/4575331/ms-berends 一个包开发人员对另一个包(或“verse”)的依赖越少越好,因为开发路径常常随着时间的推移而发生分歧。

df.1$class . 这可以通过sans merge来克服 'outer'

在基地可能有更有效的方法。这将是一个相当简单的函数。

varorder <- names(mydata)  # --- Merge 
mydata <- merge(mydata, otherData, by="commonVar")
restOfvars <- names(mydata[!(names(mydata) %in% varorder)])

mydata[c(varorder,restOfvars)]