主页 / coding / 问题 / 78893862
Accepted
TarJae
Asked: 2024-08-21 02:05:51 +0800 CST

如何通过匹配相同的字符串来连接两个长度不等的列

  • 772

我有两个具有唯一值且长度不等的 tibbles，例如：

df1 <- structure(list(col1 = c("A", "T", "C", "D", "X", "F")), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, -6L))
df2 <- structure(list(col2 = c("A", "B", "C", "D", "E", "F", "G", "H", "I", "J")), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, -10L))

> df1
# A tibble: 6 × 1
  col1 
  <chr>
1 A    
2 T    
3 C    
4 D    
5 X    
6 F 

> df2
# A tibble: 9 × 1
  col2 
  <chr>
1 A    
2 B    
3 C    
4 D    
5 F    
6 G    
7 H    
8 I    
9 J

我想要得到：

> df3
# A tibble: 11 × 2
   col1  col2 
   <chr> <chr>
 1 A     A    
 2 NA    B    
 3 T     NA   
 4 C     C    
 5 D     D    
 6 X     NA   
 7 F     F    
 8 NA    G    
 9 NA    H    
10 NA    I    
11 NA    J

df1 的 col1 和 df2 的 col2 中的每个相同字符串应并排位于同一行中。例如，如果 col1 和 col2 中的字符串相同，则它们应位于同一行（例如字符串 A）。如果字符串存在于 col1 中但不存在于 col2 中，则它在 col2 中应为 NA，反之亦然。

如有任何建议我将不胜感激。

3 个回答

  1. Best Answer
    library(dplyr)

full_join(df1, df2, by = join_by(col1 == col2), keep = TRUE)
#> # A tibble: 12 × 2
#>    col1  col2 
#>    <chr> <chr>
#>  1 A     A    
#>  2 T     <NA> 
#>  3 C     C    
#>  4 D     D    
#>  5 X     <NA> 
#>  6 F     F    
#>  7 <NA>  B    
#>  8 <NA>  E    
#>  9 <NA>  G    
#> 10 <NA>  H    
#> 11 <NA>  I    
#> 12 <NA>  J
    • 5

  2. 基础 R 解决方案

    lst <- c(df1, df2)
v <- unique(unlist(lst))
list2DF(lapply(lst, \(x) x[match(v, x)]))

    给出

       col1 col2
1     A    A
2     T <NA>
3     C    C
4     D    D
5     X <NA>
6     F    F
7  <NA>    B
8  <NA>    E
9  <NA>    G
10 <NA>    H
11 <NA>    I
12 <NA>    J

    另一个基本 R 解决方案是使用stack+reshape

    reshape(
  transform(
    stack(c(df1, df2)),
    r = as.integer(factor(values))
  ),
  direction = "wide",
  idvar = "r",
  timevar = "ind"
)[-1]

    给出

       values.col1 values.col2
1            A           A
2            T        <NA>
3            C           C
4            D           D
5            X        <NA>
6            F           F
8         <NA>           B
11        <NA>           E
13        <NA>           G
14        <NA>           H
15        <NA>           I
16        <NA>           J

    第三个基本 R 选项是使用table

    d <- table(stack(c(df1, df2)))
as.data.frame(ifelse(d > 0, row.names(d), NA))

    给出

      col1 col2
A    A    A
B <NA>    B
C    C    C
D    D    D
E <NA>    E
F    F    F
G <NA>    G
H <NA>    H
I <NA>    I
J <NA>    J
T    T <NA>
X    X <NA>

    基准

    tic1 <- \() {
  lst <- c(df1, df2)
  v <- unique(unlist(lst))
  list2DF(lapply(lst, \(x) x[match(v, x)]))
}

tic2 <- \() {
  reshape(
    transform(
      stack(c(df1, df2)),
      r = as.integer(factor(values))
    ),
    direction = "wide",
    idvar = "r",
    timevar = "ind"
  )[-1]
}

tic3 <- \() {
  d <- table(stack(c(df1, df2)))
  as.data.frame(ifelse(d > 0, row.names(d), NA))
}

microbenchmark(
  tic1(),
  tic2(),
  tic3(),
  unit = "relative"
)

    节目

    Unit: relative
   expr      min        lq      mean   median        uq      max neval
 tic1()  1.00000  1.000000  1.000000  1.00000  1.000000 1.000000   100
 tic2() 40.30049 30.210059 16.153643 30.60000 24.474138 1.423185   100
 tic3() 13.77833  9.902367  6.136188 10.15569  9.180251 1.553357   100
    • 4

  3. 使用的基本解决方案merge，通过添加新列用于合并，然后将其删除。

    merge(cbind(x=df1[[1]], df1), cbind(x=df2[[1]], df2), all=TRUE)[-1]
#   col1 col2
#1     A    A
#2  <NA>    B
#3     C    C
#4     D    D
#5  <NA>    E
#6     F    F
#7  <NA>    G
#8  <NA>    H
#9  <NA>    I
#10 <NA>    J
#11    T <NA>
#12    X <NA>
    • 3

相关问题