R - объединить несколько кадров данных на основе сопоставления нескольких столбцов - PullRequest
Новая
       26

R - объединить несколько кадров данных на основе сопоставления нескольких столбцов

0 голосов
/ 28 апреля 2019

Я стремлюсь выборочно объединить несколько фреймов данных в один в отдельных шагах на основе совпадений в двух столбцах.

Первичный набор данных 

structure(list(OB_END_TIME = c("2006-01-01 01:00", "2006-01-01 00:00", 
"2006-01-01 00:00", "2006-01-01 01:00", "2006-01-01 01:00", "2006-01-01 18:00", 
"2006-01-01 01:00", "2006-01-01 00:00", "2006-01-01 00:00", "2006-01-01 00:00"
), Weather.Category = c("Wind", "Flood", "Flood", "Wind", "Wind", 
"Wind", "Wind", "Wind", "Adhesion", "Subsidence"), SRC_ID = c(52L, 
67L, 103L, 2719L, 105L, 32L, 113L, 6704L, 117L, 
9569L), distance = c(4337.916253, 2825.720696, 2825.720696, 2397.887245, 
4513.448694, 3787.205117, 3774.967612, 4925.782405, 1178.442845, 
1748.086262), PRCP_AMT = c(NA, NA, NA, NA, NA, NA, NA, NA, NA, 
NA), MEAN_WIND_DIR = c(NA, NA, NA, NA, NA, NA, NA, NA, NA, NA
), MEAN_WIND_SPEED = c(NA, NA, NA, NA, NA, NA, NA, NA, NA, NA
), MAX_GUST_DIR = c(NA, NA, NA, NA, NA, NA, NA, NA, NA, NA), 
    MAX_GUST_SPEED = c(NA, NA, NA, NA, NA, NA, NA, NA, NA, NA
    )), row.names = c(1L, 2L, 3L, 4L, 5L, 10L, 11L, 12L, 13L, 
14L), class = "data.frame")

Поддержка набора данных 1 

structure(list(OB_END_TIME = c("2006-01-01 00:00", "2006-01-01 00:00", 
"2006-01-01 00:00", "2006-01-01 00:00", "2006-01-01 00:00", "2006-01-01 00:00", 
"2006-01-01 00:00", "2006-01-01 00:00", "2006-01-01 00:00", "2006-01-01 00:00"
), SRC_ID = c(32L, 44L, 52L, 67L, 103L, 79L, 105L, 
117L, 113L, 30L), PRCP_AMT = c(0, 0, 0, 0.6, 0, 0, 0.4, 0.2, 
0.2, 0.2), HIGH_PRCN_LAT = c(1, 2, 44, 65, 
1, 1, 23, 43, 54.1346, 54.04502)), row.names = c(NA, 10L), class = "data.frame")

Вспомогательный набор данных 2 

structure(list(OB_END_TIME = c("2006-01-01 00:00", "2006-01-01 00:00", 
"2006-01-01 00:00", "2006-01-01 00:00", "2006-01-01 00:00", "2006-01-01 00:00", 
"2006-01-01 00:00", "2006-01-01 00:00", "2006-01-01 00:00", "2006-01-01 00:00"
),  SRC_ID = c(105L, 44L, 52L, 30L, 67L, 79L, 103L, 32L, 114L, 
    117L), MEAN_WIND_DIR = c(250L, 0L, 0L, 10L, 290L, 290L, 30L, 
    0L, 310L, 50L), MEAN_WIND_SPEED = c(3L, 0L, 0L, 10L, 5L, 
    8L, 17L, 0L, 1L, 24L), MAX_GUST_DIR = c(270L, 0L, 0L, 30L, 
    290L, 290L, 30L, 0L, 320L, 40L), MAX_GUST_SPEED = c(5L, 0L, 
    0L, 18L, 11L, 11L, 23L, 0L, 2L, 29L), HIGH_PRCN_LAT = c(1, 2, 44, 65, 
1, 1, 23, 43, 54.1346, 54.04502)), row.names = c(6L, 7L, 8L, 
10L, 11L, 12L, 16L, 17L, 18L, 19L), class = "data.frame")

r Метаданные 

platform        x86_64-w64-mingw32
version.string  R version 3.5.3 (2019-03-11)

Подготовительный код 

dfX$OB_END_TIME <- format(as.POSIXct(strptime(rain$OB_END_TIME, "%Y-%m-%d %H:%M")), "%Y-%m-%d %H:%M")

На всех кадрах данных уже запущен вышеуказанный кодих столбец времени данных, чтобы стандартизировать его для сравнения / сопоставления.

Код соответствия 

primaryDataFrame <- merge(x = primaryDataFrame, y = supportingDataFrame1, by = c("SRC_ID", "OB_END_TIME"))

Ожидаемый результат (Вручную) 

structure(list(OB_END_TIME = c("2006-01-01 01:00", "2006-01-01 00:00", 
"2006-01-01 00:00", "2006-01-01 01:00", "2006-01-01 00:00", "2006-01-01 18:00", 
"2006-01-01 00:00", "2006-01-01 00:00", "2006-01-01 00:00", "2006-01-01 00:00"
), Weather.Category = c("Wind", "Flood", "Flood", "Wind", "Wind", 
"Wind", "Wind", "Wind", "Adhesion", "Subsidence"), SRC_ID = c(67L, 
52L, 103L, 2719L, 105L, 32L, 113L, 6704L, 117L, 9569L), distance = c(4337.916253, 2825.720696, 2825.720696, 2397.887245, 4513.448694, 3787.205117, 3774.967612, 4925.782405, 1178.442845, 1748.086262), PRCP_AMT = c(NA, 0, 0, NA, 0.4, NA, 0.2, NA, 0.2, NA), MEAN_WIND_DIR = c(NA, 0L, 30L, NA, 250L, NA, NA, NA, 50L, NA), MEAN_WIND_SPEED = c(NA, 0L, 17L, NA, 3L, NA, NA, NA, 24L, NA), MAX_GUST_DIR = c(NA, 0L, 30L, NA, 270L, NA, NA, NA, 40L, NA), 
    MAX_GUST_SPEED = c(NA, 0L, 23L, NA, 5L, NA, NA, NA, 29L, NA
    )), row.names = c(1L, 2L, 3L, 4L, 5L, 10L, 11L, 12L, 13L, 
14L), class = "data.frame")

Фактический результат (Вручнуюсгенерировано) 

structure(list(OB_END_TIME = c("2006-01-01 00:00", "2006-01-01 00:00", 
"2006-01-01 00:00", "2006-01-01 00:00", "2006-01-01 00:00"), 
    Weather.Category = c("Flood", "Flood", "Wind", "Wind", "Adhesion"
    ), SRC_ID = c(52L, 103L, 105L, 113L, 117L), distance = c(2825.720696, 
    2825.720696, 4513.448694, 3774.967612, 1178.442845), PRCP_AMT.x = c(NA, NA, NA, NA, NA), PRCP_AMT.y = c(0, 
    0, 0.4, 0.2, 0.2), MEAN_WIND_DIR.x = c(NA, NA, NA, NA, NA), MEAN_WIND_DIR.y = c(0L, 30L, 250L, NA, 50L
    ), MEAN_WIND_SPEED.x = c(NA, NA, NA, NA, NA), MEAN_WIND_SPEED.y = c(0L, 17L, 3L, NA, 24L), MAX_GUST_DIR.x = c(NA, NA, NA, NA, NA, MAX_GUST_DIR.y = c(0L, 
    30L, 270L, NA, 40L), MAX_GUST_SPEED.x = c(NA, NA, NA, NA, NA), MAX_GUST_SPEED.y = c(0L, 23L, 5L, NA, 
    29L)), row.names = c(2L, 3L, 5L, 11L, 13L), class = "data.frame")

Проблемы с результатами:

1) Удаляются столбцы, которые не соответствуют в первичном наборе данных.

2) Столбец, который необходимо заполнитьвместо этого данные дублируются на PRCP_AMT.x и PRCP_AMT.y.

3) Нежелательные столбцы добавляются в основной набор данных во время сопоставления (HIGH_PRCN_LAT).

1 Ответ

1 голос
/ 28 апреля 2019

для вопроса 1) вы можете просто добавить all.x = T: 

primaryDataFrame <- merge(x = primaryDataFrame, y = supportingDataFrame1, by = c("SRC_ID", "OB_END_TIME"), all.x = T)

Для вопроса 2) тогда merge происходит так, как и ожидалось. У вас есть повторяющиеся столбцы, потому что они называются одинаковыми - вам следует дать им разные имена и выбрать / переименовать тот, который вы хотите сохранить.

Вы можете оставить столбец для 3) таким образом: 

primaryDataFrame <- merge(x = primaryDataFrame, y = supportingDataFrame1, by = c("SRC_ID", "OB_END_TIME"), all.x = T) %>% 
    select(-HIGH_PRCN_LAT)
Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.

Похожие темы

...