主页 / coding / 问题 / 79020509
Accepted
newfinder
Asked: 2024-09-25 06:05:48 +0800 CST

使用 R 排列包含相同名称的多列的字符值

  • 772

我使用 R 并水平合并多个数据集（按列），其中每个数据集都有一个相同的列。例如，考虑

`df1=data.frame('name'=c('9504','07123','40355','59003'),
             'age 16'=c(21,22,23,25), 
              'income 43_'=c(3,4,7,2))`

和

 `df2=data.frame('name'=c('9504','40355','59003','07123'),
             'new 21'=c(21,22,23,25),
              'GDP 98'=c(3,4,7,2) )`

这里，两个数据集有相同的“名称”列。我将这两个数据集水平合并，得到

`df=data.frame('name'=c('9504','07123','40355','59003'),
             'age 16'=c(21,22,23,25),
              'income 43'=c(3,4,7,2),
             'name'=c('9504','40355','59003','07123'),
             'new 21'=c(21,22,23,25),
              'GDP 98'=c(3,4,7,2))`

请注意，合并不是我的问题。这是理所当然的。给定数据框 df，我想排列“名称”列的值（按升序或降序排列），以便在两个“名称”列中具有相同的顺序，当然还要相应地重新排列其他列

例如，我想要

`dfN1=data.frame('name'=c('07123','40355','59003','9504'),
             'age 16'=c(22,23,25,21),
              'income 43'=c(4,7,2,3),
             'name'=c('07123','40355','59003','9504'),
             'new 21'=c(25,22,23,21),
              'GDP 98'=c(2,4,7,3))`

 name age.16 income.43 name.1 new.21 GDP.98
1 07123     22         4  07123     25      2
2 40355     23         7  40355     22      4
3 59003     25         2  59003     23      7
4  9504     21         3   9504     21      3

我不想处理 df1 和 df2，而是直接 df 来获取“dfN1”

所以我尝试了

`dfN<-df[with(df, order(name)),]`     

   name age.16 income.43 name.1 new.21 GDP.98
2 07123     22         4  40355     22      4
3 40355     23         7  59003     23      7
4 59003     25         2  07123     25      2
1  9504     21         3   9504     21      3

但如您所见，只有前两列得到了正确校正，而后两列没有得到正确校正。因此 dfN 与 dfN1 不同，而这正是我想要实现的。

我能做些什么？

请注意，实际上我在获取 df 之前合并了许多数据框。因此，我的真实 df 包含许多次单词“name”，而且我在“name”列之间还有更多变量。因此，更通用的代码会有所帮助。

1 个回答

  1. Best Answer

    由于您的数据集共享一个“关键”列，因此这是一个使用 df1 和 df2 进行连接的自然地方：

    library(dplyr)
df1 |>
  left_join(df2)     # this will join by the columns in common, i.e. "name"
 #left_join(df2, join_by(name))  # good practice to be explicit if possible

    结果

       name age.16 income.43_ new.21 GDP.98
1  9504     21          3     21      3
2 07123     22          4     25      2
3 40355     23          7     22      4
4 59003     25          2     23      7

    如果由于某种原因您需要从开始df（如果可能的话我会避免这样做），您可以使用以下手动子集到达同一位置df：

    left_join(df[,1:3], df[,4:6], join_by(name == "name.1"))

    请注意，实际上我在获取 df 之前合并了许多数据框。因此，我的真实 df 包含许多次单词“name”，而且我在“name”列之间还有更多变量。因此，更通用的代码会有所帮助。

    同样，每次都以连接的方式执行此操作更为简单，这样每个添加的表都会添加变量，并由“名称”等关键列统一。保持数据“整洁”，其中每行代表一个观察结果，将使您的分析更加简单、可靠和可靠。

    https://vita.had.co.nz/papers/tidy-data.pdf

    需要注意的主要陷阱是确保您的键是唯一的；如果不是，一行可能会与多行匹配，每次都会无意中增加输出。multiple的参数left_join提供了避免这种情况的选项，或者您可以执行汇总步骤以确保要连接的表中每行的键列都是唯一的。

    • 3

相关问题