Как объединить два фрейма данных по группе? - PullRequest
0 голосов
/ 22 мая 2018

У меня есть фрейм данных (DF), в котором для каждого идентификатора компании у меня есть директор, который работал там в 2006 и 2007 годах, и две информации о них (пол и годы).

DF <- 
CompanyID  Name    Country  ISIN     Director_2006 Gender_2006 Yearold_2006  Director_2007 Gender_2007 Yearold_2007   
25830      BANKxxx Austria  AT000504 11734844255        M            54        11734844255        M           55           
25830      BANKxxx Austria  AT000504 187836811559       F            45        5524344997         F           NA           
25830      BANKxxx Austria  AT000504 5524344997         F            NA        5524354997         M           39           
25830      BANKxxx Austria  AT000504 5524354997         M            38        5742347684         M           38           
25830      BANKxxx Austria  AT000504 6613115791         M            41        40160443378        M           30           
12339      BANKyyy Belgium  AT034003 9855321789         M            44        9855321789         M           45           
12339      BANKyyy Belgium  AT034003 277520199          M            NA        23779351           F           34

У меня есть второй фрейм данных (DF2), где у меня для каждого DirectorID (первый столбец) есть Годы опыта (третий столбец) для разных лет (второй столбец).

DF2 <- 
  DirectorID     Year     YearsExperience
  11734844255    2006        0.4
  11734844255    2007        1.4
  187836811559   2006        1.5  
  5524344997     2006        2.4
  5524344997     2007        3.4
  5524354997     2006        1.8
  5524354997     2007        2.8  
  5742347684     2007        3.5
  40160443378    2007        4.3
  9855321789     2005        2.6
  9855321789     2006        3.6
  9855321789     2007        4.6
  277520199      2006        1.6
  23779351       2007        3.2
  55443322       2005        2.5
  55443322       2006        3.5

Я хотел бы объединить данные двух фреймов данных, создав новую колонку с годами опыта каждого директора от каждой компании в оба года (2006 и 2007 годы), то есть столбцы Experience_2006 и Experience_2007.

Таким образом, мой ожидаемый результат будет выглядеть так:

DF_final <- 
 CompanyID   Name    Country ISIN       Director_2006  Gender_2006 YearBirth_2006  Experience_2006  Director_2007 Gender_2007 YearBirth_2007 Experience_2007  
 25830      BANKxxx  Austria  AT000504  11734844255          M        54                 0.4         11734844255      M           55                 1.4
 25830      BANKxxx  Austria  AT000504  187836811559         F        45                 1.5         5524344997       F           NA                 3.4
 25830      BANKxxx  Austria  AT000504  5524344997           F        NA                 2.4         5524354997       M           39                 2.8
 25830      BANKxxx  Austria  AT000504  5524354997           M        38                 1.8         5742347684       M           38                 3.5
 25830      BANKxxx  Austria  AT000504  6613115791           M        41                 NA          40160443378      M           30                 4.3
 12339      BANKyyy  Belgium  AT034003  9855321789           M        44                 3.6         9855321789       M           45                 4.6
 12339      BANKyyy  Belgium  AT034003  277520199            M        NA                 1.6         23779351         F           34                 3.2

Пожалуйста, кто-нибудь может мне посоветовать?Спасибо.

ДАННЫЕ

DF <- read.table(text = 
               "CompanyID   Name    Country ISIN     Director_2006  Gender_2006 YearBirth_2006  Director_2007 Gender_2007 YearBirth_2007   
             25830      BANKxxx     Austria  AT000504  11734844255     M        54              11734844255     M           55           
             25830      BANKxxx     Austria  AT000504  187836811559    F        45              5524344997      F           NA           
             25830      BANKxxx     Austria  AT000504    5524344997    F        NA              5524354997      M           39           
             25830      BANKxxx     Austria  AT000504    5524354997    M        38              5742347684      M           38           
             25830      BANKxxx     Austria  AT000504    6613115791    M        41              40160443378     M           30           
             12339      BANKyyy     Belgium  AT034003    9855321789    M        44              9855321789      M           45           
             12339      BANKyyy     Belgium  AT034003     277520199    M        NA                23779351      F           34",
             header = T, stringsAsFactors = F)

DF2 <- read.table(text =
            "DirectorID     Year     YearsExperience
             11734844255    2006        0.4
             11734844255    2007        1.4
             187836811559   2006        1.5  
             5524344997     2006        2.4
             5524344997     2007        3.4
             5524354997     2006        1.8
             5524354997     2007        2.8  
             5742347684     2007        3.5
             40160443378    2007        4.3
             9855321789     2005        2.6
             9855321789     2006        3.6
             9855321789     2007        4.6
             277520199      2006        1.6
             23779351       2007        3.2
             55443322       2005        2.5
             55443322       2006        3.5",
            header = T, stringsAsFactors = F)

Ответы [ 3 ]

0 голосов
/ 22 мая 2018

Использование базовых функций R:

DF1 <- reshape(DF, direction = "long", varying = names(DF)[5:10], sep = "_", timevar = "Year")
DF3 <- merge(DF1, DF2, all.x = TRUE, by.x = c("Director" , "Year"), by.y = c("DirectorID", "Year"))
reshape(DF3, direction = "wide", v.names = names(DF3)[c(1,7,8,10)], timevar = "Year", sep = "_")    
#>    CompanyID    Name Country     ISIN id Director_2007 Gender_2007
#> 1      12339 BANKyyy Belgium AT034003  7      23779351           F
#> 3      25830 BANKxxx Austria AT000504  3    5524354997           M
#> 4      25830 BANKxxx Austria AT000504  2    5524344997           F
#> 5      25830 BANKxxx Austria AT000504  4    5742347684           M
#> 8      25830 BANKxxx Austria AT000504  5   40160443378           M
#> 9      12339 BANKyyy Belgium AT034003  6    9855321789           M
#> 11     25830 BANKxxx Austria AT000504  1   11734844255           M
#>    YearBirth_2007 YearsExperience_2007 Director_2006 Gender_2006
#> 1              34                  3.2     277520199           M
#> 3              39                  2.8    5524344997           F
#> 4              NA                  3.4  187836811559           F
#> 5              38                  3.5    5524354997           M
#> 8              30                  4.3    6613115791           M
#> 9              45                  4.6    9855321789           M
#> 11             55                  1.4   11734844255           M
#>    YearBirth_2006 YearsExperience_2006
#> 1              NA                  1.6
#> 3              NA                  2.4
#> 4              45                  1.5
#> 5              38                  1.8
#> 8              41                   NA
#> 9              44                  3.6
#> 11             54                  0.4
0 голосов
/ 22 мая 2018

Для завершения я использовал dplyr и 'tidyr' и сделал сравнение с другими функциями.

ОБНОВЛЕНИЕ: Я сделал еще одну версию ответа @ Jimbou, не используя фильтр и выбрав функции myfun4().Это самое быстрое соединение в моем тесте.Ответ Ральфа теперь идет вторым.Моя первоначальная версия (myfun3()) идет третьей.

 microbenchmark::microbenchmark(myfun1(),myfun2(),myfun3(),myfun4())
Unit: milliseconds
     expr     min       lq      mean   median       uq     max neval
 myfun1() 23.1527 28.36865 31.322275 31.53225 33.69430 52.7319   100
 myfun2()  5.2549  5.78445  8.241408  8.25995  9.63870 14.4018   100
 myfun3()  7.9534 10.15115 11.976498 11.40415 13.66255 20.9362   100
 myfun4()  2.9676  3.40105  5.032863  4.87115  5.56065 19.0217   100

Код для функций:

myfun4<-function(){
colnames(DF2)[1]='Director_2007'
DF_final<-left_join(DF,DF2[DF2$Year==2006,-2],by='Director_2007') %>% 
              left_join(DF2[DF2$Year==2007,-2],by='Director_2007')
n=dim(DF_final)[2]
colnames(DF_final)[(n-1):n]=paste0('YearsExperience_',2006:2007)
}

myfun3<-function(){
DF2_spread<-tidyr::spread(DF2,Year,YearsExperience)[,-2]
colnames(DF2_spread)=c('Director_2007',paste0('Experience_',colnames(df2_spread)[2:3]))
DF_final<-dplyr::left_join(DF,DF2_spread,by='Director_2007')
}

myfun2<-function() {
  DF1 <- reshape(DF, direction = "long", varying = names(DF)[5:10], sep = "_", timevar = "Year")
DF3 <- merge(DF1, DF2, all.x = TRUE, by.x = c("Director" , "Year"), by.y = c("DirectorID", "Year"))
DF_final<-reshape(DF3, direction = "wide", v.names = names(DF3)[c(1,7,8,10)], timevar = "Year", sep = "_")
}

myfun1<-function(){
  DF %>% 
  left_join(DF2 %>% 
              filter(Year == 2006) %>% 
              select(DirectorID,YearsExperience_2016=YearsExperience), 
            by=c("Director_2006" =  "DirectorID")) %>% 
  left_join(DF2 %>% 
              filter(Year == 2007) %>% 
              select(DirectorID,YearsExperience_2017=YearsExperience), 
            by=c("Director_2007" =  "DirectorID")) 
}
0 голосов
/ 22 мая 2018

Можно попробовать

library(tidyverse)
DF %>% 
  left_join(DF2 %>% 
              filter(Year == 2006) %>% 
              select(DirectorID,YearsExperience_2016=YearsExperience), 
            by=c("Director_2006" =  "DirectorID")) %>% 
  left_join(DF2 %>% 
              filter(Year == 2007) %>% 
              select(DirectorID,YearsExperience_2017=YearsExperience), 
            by=c("Director_2007" =  "DirectorID")) 
  CompanyID    Name Country     ISIN Director_2006 Gender_2006 YearBirth_2006 Director_2007 Gender_2007
1     25830 BANKxxx Austria AT000504   11734844255           M             54   11734844255           M
2     25830 BANKxxx Austria AT000504  187836811559           F             45    5524344997           F
3     25830 BANKxxx Austria AT000504    5524344997           F             NA    5524354997           M
4     25830 BANKxxx Austria AT000504    5524354997           M             38    5742347684           M
5     25830 BANKxxx Austria AT000504    6613115791           M             41   40160443378           M
6     12339 BANKyyy Belgium AT034003    9855321789           M             44    9855321789           M
7     12339 BANKyyy Belgium AT034003     277520199           M             NA      23779351           F
  YearBirth_2007 YearsExperience_2016 YearsExperience_2017
1             55                  0.4                  1.4
2             NA                  1.5                  3.4
3             39                  2.4                  2.8
4             38                  1.8                  3.5
5             30                   NA                  4.3
6             45                  3.6                  4.6
7             34                  1.6                  3.2
Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...