问数据争论:如何将两个宽格式数据集合并为一个
EN

Stack Overflow用户

提问于 2020-04-05 02:16:31

回答 3查看 226关注 0票数 0

我有两个宽格式的数据集。两者共享一个公共索引列，我希望基于这个公共列将两个数据集合并成一个单一的宽格式数据集。下面提供了数据集的样本。

将数据集A设为：

其中第1列是文档列表，宽列是在这些文档中找到的主题(如果文档提到主题，则为0)

将数据集B设为：

其中，第1列与数据集A中的列表相同，其他列为国家。值是一种定制代码，用于说明该文件对该特定国家的“重要性”(例如，5是非常重要的，1是不重要的，0是不参与该文件的)。

我想将两者合并成一个单一的宽数据集，其中行是国家，列是主题。单元格内的值等于一个国家通过一份文件参与某一主题的次数之和，并按数据集B上的“重要性”编码加权。

完成的数据集如下所示：

例如，AFG只参加了A/C.3/64/L.6号文件，其重要性为5，由于这份文件只提到“获取信息”，因此，AFG参与该专题的有5次，然后参加了所有文件，从而参与了“绑架”(1*5=5)、“堕胎”(1*1=1)、“学位”(1*1 + 1*2=3)和“获取信息”(1*4=4)等专题。

问题是，完整的数据集A和B分别有1k个主题和190个国家。所以我需要找到一种自动化的方法来完成这次合并。对于如何在Excel或R上这样做，我将不胜感激。

非常感谢

excel

merge

data-wrangling

回答 3

Stack Overflow用户

回答已采纳

发布于 2020-04-05 05:34:32

对于示例数据(假设A和B具有相同的行和顺序)，下面的代码将为您提供所需的输出。

t(t(as.matrix(A[,-1])) %*% as.matrix(B[,-1]))

    abduction abortion academic access
AFG         0        0        0      5
AGO         0        4        4      0
ALB         0        3        3      1
AND         5        1        3      4

这使用矩阵乘法。

对于真实的数据集(1K主题和190个国家)，您必须检查两者是否包含相同的行数，并且它们是否基于公共索引列的顺序相同。如果没有，那么您只需要保存那些具有相同记录的记录，然后根据该公共索引列对它们进行排序。这是微不足道的。

数据

> A
  id abduction abortion academic access
1  A         1        0        0      0
2  B         0        1        1      0
3  C         0        0        1      0
4  D         0        0        0      1

> B
  id AFG AGO ALB AND
1  A   0   0   0   5
2  B   0   4   3   1
3  C   0   0   0   2
4  D   5   0   1   4

A <- structure(list(id = structure(1:4, .Label = c("A", "B", "C", 
"D"), class = "factor"), abduction = c(1, 0, 0, 0), abortion = c(0, 
1, 0, 0), academic = c(0, 1, 1, 0), access = c(0, 0, 0, 1)), row.names = c(NA, 
-4L), class = "data.frame")

B <- structure(list(id = structure(1:4, .Label = c("A", "B", "C", 
"D"), class = "factor"), AFG = c(0, 0, 0, 5), AGO = c(0, 4, 0, 
0), ALB = c(0, 3, 0, 1), AND = c(5, 1, 2, 4)), row.names = c(NA, 
-4L), class = "data.frame")

票数 1