连接另一个数据集中的一个变量

Question

我有两个数据集。我想将dataset-2的财富变量添加到职业变量/列旁边的dataset-1。数据集-2是从户主那里收集的，一个回答来自一个家庭。然而，数据集-1是从家庭中的所有妇女收集的。因此，dataset-1具有更多的响应。

dataset-1:女性数据集(总共8678个响应/行)

 Women_id household_id BMI   Education Occupation
101 1 1   101 1        22.5  1         3
101 1 1   101 2        28.6  3         5
101 1 1   101 3        19.6  2         3
101 1 1   101 3        20.1  2         2
101 1 1   101 4        26.8  3         3

dataset-2:家庭数据集(总计6784个响应/行)

household_id    wealth
101 1           2                         
101 2           1
101 3           2
101 4           4

我想将财富变量添加到基于household_id的dataset-1。我已经尝试过dplyr的marge函数。

joined_df <- merge(dataset_1, dataset_2, by.x = "household_id", all.x = TRUE, all.y = FALSE )

然而，这两个数据集相加后，财富的价值显示为NA。

Women_id household_id BMI   Education Occupation  Wealth
    101 1 1   101 1        22.5  1         3      NA
    101 1 1   101 2        28.6  3         5      NA
    101 1 1   101 3        19.6  2         3      NA
    101 1 1   101 3        20.1  2         2      NA
    101 1 1   101 4        26.8  3         3      NA

我想要如下所示

 Women_id household_id BMI   Education Occupation  Wealth
    101 1 1   101 1        22.5  1         3       2
    101 1 1   101 2        28.6  3         5       5
    101 1 1   101 3        19.6  2         3       2
    101 1 1   101 3        20.1  2         2       2
    101 1 1   101 4        26.8  3         3       4

Answer 1

由于这两个数据集具有相同的household_id列，因此您可以这样做

joined_df <- dplyr::left_join(dataset_1, dataset_2, by = "household_id")

使用merge()将是

joined_df <- merge(dataset_1, dataset_2, by = "household_id", all.x = TRUE)