合并每日data.frame和年度data.frame

Question

我想合并两个数据帧。一个包含每日数据，另一个包含年度数据。我该怎么做呢？

date <- c("05.06.2001","02.10.2003","06.12.2004","01.01.2001","01.04.2003")
company <- c(1,1,1,2,2)

mydf <- data.frame(date, company)
mydf

#         date company
# 1 05.06.2001       1
# 2 02.10.2003       1
# 3 06.12.2004       1
# 4 01.01.2001       2
# 5 01.04.2003       2

# annual data

YEAR <- c(2001, 2002, 2003, 2004, 2005, 2001, 2002, 2003, 2004, 2005)
COMPANY <- c(1,1,1,1,1,2,2,2,2,2)
VARIABLE <- c(120, 230, 99, 38, 21, 20, 24, 420, 203, 180)

annual <- data.frame(YEAR, COMPANY, VARIABLE)
annual

#    YEAR COMPANY VARIABLE
# 1  2001       1      120
# 2  2002       1      230
# 3  2003       1       99
# 4  2004       1       38
# 5  2005       1       21
# 6  2001       2       20
# 7  2002       2       24
# 8  2003       2      420
# 9  2004       2      203
# 10 2005       2      180

# the output should be:

#         date company VARIABLE
# 1 05.06.2001       1      120
# 2 02.10.2003       1       99
# 3 06.12.2004       1       38
# 4 01.01.2001       2       20
# 5 01.04.2003       2      420

谢谢!

Answer 1

您有几个选项：

选项1:使用package lubridate

require(luubridate)   ## install it first if you don't have it
mydf$year <- year(mydf$date)
merged.df <- merge(mydf, annual, by.x=c('company', 'year'), by.y=c('COMPANY', 'YEAR'))

选项2:使用data.table

data.table包更像是一种投资(强烈推荐)，它有处理日期的内置函数。它也有很多其他奇妙的特性(快速合并和分组，更低的内存使用)，并将使合并过程更有效率。

Answer 2

以下是一些解决方案。在这些(除了sqldf解决方案之外)中，我们将使用以下函数：

d2y <- function(date) as.numeric(substring(date, 7))
lower.names <- function(DF) setNames(DF, tolower(names(DF)))

Base R这里是一个基本解决方案。虽然这不是示例中的情况，但为了安全起见，如果mydf中的日期在annual中没有相应的年份，我们将执行左连接。left join将确保不会删除这些日期：

mydf2 <- transform(mydf, year = d2y(date))
merge(mydf2, lower.names(annual), all.x = TRUE)

sqldf 这里是一个sqldf解决方案。这会更简洁一些，因为我们不需要物化mydf2，而是可以直接连接复杂的逻辑表达式。请注意，此解决方案不使用d2y或lower.names

library(sqldf)

sqldf("select mydf.company, year, date, VARIABLE as variable
       from mydf left join annual 
       on mydf.company = annual.company and year = substr(date, 7)")

dplyr

library(dplyr)

mydf %.% 
  mutate(year = d2y(date)) %.%
  left_join(lower.names(annual))

data.table下面我们可以使用data.table的setnames，如果我们愿意修改annual的话，但这里选择了非破坏性的setNames：

library(data.table)

key <- c("company", "year")
mydt <- setkeyv(data.table(mydf)[, year := d2y(date)], key)
data.table(lower.names(annual), key = key)[mydt]