合并，合并:如何更好地合并？

Question

我想将多个向量合并到一个数据帧中。有两个变量，city和id将用于将向量匹配到数据帧。

df <- data.frame(array(NA, dim =c(10*50, 2)))
names(df)<-c("city", "id")
df[,1]<-rep(1:50, each=10)
df[,2]<-rep(1:10, 50)

我创建了这样一个数据框架。对于这个数据框架，我想合并50个向量，每个向量对应于50个城市。问题是每个城市只有6个国家。每个城市将有4个国家。

举个例子，城市1的数据如下所示：

seed(1234) 
cbind(city=1,id=sample(1:10,6),obs=rnorm(6))

我有50个城市数据，我想将它们合并成df中的一列。我尝试了以下代码：

for(i in 1:50){
citydata<-cbind(city=i,id=sample(1:10,6),obs=rnorm(6))   # each city data
df<-merge(df,citydata, by=c("city", "id"), all=TRUE)}    # merge to df

但是，如果我运行这个，循环将显示如下警告：

In merge.data.frame(df, citydata, by = c("city", "id"),  ... :
  column names ‘obs.x’, ‘obs.y’ are duplicated in the result

它将创建50列，而不是一长列。

如何将cbind(city=i,id=sample(1:10,6),obs=rnorm(6)) df 与df合并成一个漂亮而又长的专栏？看来cbind 和 merge 都不是要走的路。

如果有50个citydata (每个都有6行)，我可以将它们作为一个长数据使用，并按照Philip和Jaap的建议使用data.table方法或expand.gird+merge方法。

我想知道是否可以通过一个的循环来合并每个城市数据，而不是rbind，然后将它们合并到df中。

Answer 1

data.table对此很有好处：

library(data.table)
df <- data.table(df)
> df
     city id
  1:    1  1
  2:    1  2
  3:    1  3
  4:    1  4
  5:    1  5
 ---
496:   50  6
497:   50  7
498:   50  8
499:   50  9
500:   50 10

我使用CJ而不是for循环来生成一些虚拟数据。CJ将每个列与另一个列的值交叉连接，因此它使用city和id的每一对可能的值创建了一个两列表。[,obs:=rnorm(.N)]命令添加了第三列，它绘制随机值(不像在CJ中那样回收它们)--.N在此上下文中的意思是“这个表的#行”。

citydata <- CJ(city=1:50,id=1:6)[,obs:=rnorm(.N)]
> citydata
     city id         obs
  1:    1  1  0.19168335
  2:    1  2  0.35753229
  3:    1  3  1.35707865
  4:    1  4  1.91871907
  5:    1  5 -0.56961647
 ---
296:   50  2  0.30592659
297:   50  3 -0.44989646
298:   50  4  0.05359738
299:   50  5 -0.57494269
300:   50  6  0.09565473

setkey(df,city,id)
setkey(citydata,city,id)

由于这两个表具有相同的键列，下面通过citydata中的键列查找行，然后通过在citydata中查找值在df中定义obs。因此，生成的对象是原始的df，但是在citydata中定义的任何地方都定义了obs。

df[citydata,obs:=i.obs]
> df
     city id         obs
  1:    1  1  0.19168335
  2:    1  2  0.35753229
  3:    1  3  1.35707865
  4:    1  4  1.91871907
  5:    1  5 -0.56961647
 ---
496:   50  6  0.09565473
497:   50  7          NA
498:   50  8          NA
499:   50  9          NA
500:   50 10          NA

Answer 2

在基本R中，您可以使用expand.grid和merge的组合来实现这一点。

citydata <- expand.grid(city=1:50,id=1:6)
citydata$obs <- rnorm(nrow(citydata))

res <- merge(df, citydata, by = c("city","id"), all.x = TRUE)

这意味着：

> head(res,12)
    city id        obs
 1:    1  1 -0.3121133
 2:    1  2 -1.3554576
 3:    1  3 -0.9056468
 4:    1  4 -0.6511869
 5:    1  5 -1.0447499
 6:    1  6  1.5939187
 7:    1  7         NA
 8:    1  8         NA
 9:    1  9         NA
10:    1 10         NA
11:    2  1  0.5423479
12:    2  2 -2.3663335

与dplyr和tidyr类似的方法

library(dplyr)
library(tidyr)

res <- crossing(city=1:50,id=1:6) %>% 
  mutate(obs = rnorm(n())) %>%
  right_join(., df, by = c("city","id"))

这意味着：

> res
Source: local data frame [500 x 3]

    city    id        obs
   (int) (int)      (dbl)
1      1     1 -0.5335660
2      1     2  1.0582001
3      1     3 -1.3888310
4      1     4  1.8519262
5      1     5 -0.9971686
6      1     6  1.3508046
7      1     7         NA
8      1     8         NA
9      1     9         NA
10     1    10         NA
..   ...   ...        ...