根据多个条件将数据框中的 NA 替换为第二个数据框中的值
Replace NAs in dataframe with values from second dataframe based on multiple criteria
我有两个 data.frames，每个都有数千行和几十列，它们都是通过合并几个 csv 文件创建的。 data.frames 正是我想要的。我还要补充一点，df1 和 df2 有几个共同的列。唯一的问题是，在其中一个，比如说 df1 中，对于某些列，有一些 NA（这是 expected/normal）。好消息是我有 NA 的相同列也出现在第二个 data.frame 中，比如 df2，但没有 NA。我想做的是用 df1 同一列中的值填充 df2 给定列中的 NA，其中每个值是根据 df1 和 df2 之间其他列值的匹配来选择的。
使用一些随机数据：
A<- format(seq(as.Date("2021/09/01"), by = "day", length.out = 26), format="%Y%m%d")
B<- format(seq(as.POSIXct("2021-1-1 15:00"), as.POSIXct("2021-1-02 16:00"), by = "hour"), format = "%H:%M")
C<- sample(1:100, 26, replace=FALSE)
D<- LETTERS
E<- paste(D, C)
df1<- cbind(A, B, C, D)
df2<- cbind(A, B, C, E)
df2[c(7:10, 13, 18:21), 3] <- NA #replace some of the values with NAs
df2<- df2[-c(2,5,11,17,23,26),] #delete some columns so df1 and df2 are of different size
我希望对于 df2$C，当找到 NA 值时，相应的 df2$A 和 df2$B 值都与所有 df1$A 和 df2$B 匹配。当且仅当在 df1 中找到匹配 df1$A 和 df1$B 的行时，df1$C 的对应值才会复制到 df2$C NA 值中。换句话说，对于上面的示例数据，如果 df2$C 中有一个 NA 值，则该特定行的日期和时间的相应组合应该与 df1 的所有日期和时间串联结果相匹配，当匹配时找到了，用df1$C对应的值替换df2$C中的NA。
# as an instance, a case of my df2 where a NA occurs is
df2[17,3]
#This should be replaced with the value from
df1[21,3]
# because the time and date of
df2[17,]
A B C E
"20210921" "11:00" NA "U 46"
#is the same than
df1[21,]
A B C D
"20210921" "11:00" "46" "U"
我 100% 确定每个 data.frame 中的 A 列和 B 列的串联在每个 data.frame 中给出唯一的结果，因此 df1$A 和 df1$B 的串联将是唯一的，同样适用于 df2。此外，可以肯定的是，df2$A 和 df2$B 的串联与 df1 中 A 列和 B 列的串联相匹配，将产生一个且唯一的值。出于这个原因，我尝试将每个 data.frames 列 A 和 B 连接到一个新列中，以在 Base R 的 elseif 循环中使用 match(paste(...,...)) 查找匹配值或者使用其他论坛中提出的 dplyr 库的其他解决方案，但我找不到适合我的解决方案。我认为这类似于具有多个条件的 Excel lookup/vlookup 函数，但我无法在 R.
中弄清楚这个函数
关于如何进行的任何建议？谢谢
既然你已经提到了 dplyr；它为工作提供了工具。只需在您希望匹配的列上 left_join，然后 coalesce 结果用第二个 table.
的匹配值替换 'C' 的缺失值
library(dplyr)
df1 <- as.data.frame(df1)
df2 <- as.data.frame(df2)
concatenate <- df2 %>%
left_join(df1, by = c('A', 'B'), suffix = c('', '.y')) %>%
mutate(C = coalesce(C, C.y)) %>%
select(-c(C.y))
您可以创建唯一密钥来更新 df2。
unique_key1 <- paste(df1$A, df1$B)
unique_key2 <- paste(df2$A, df2$B)
inds <- is.na(df2$C)
df2$C[inds] <- df1$C[match(unique_key2[inds], unique_key1)]
df2
# A B C E
#1 20210901 15:00 74 A 74
#2 20210903 17:00 27 C 27
#3 20210904 18:00 60 D 60
#4 20210906 20:00 7 F 7
#5 20210907 21:00 96 G 96
#6 20210908 22:00 98 H 98
#7 20210909 23:00 38 I 38
#8 20210910 00:00 89 J 89
#9 20210912 02:00 69 L 69
#10 20210913 03:00 72 M 72
#11 20210914 04:00 76 N 76
#12 20210915 05:00 63 O 63
#13 20210916 06:00 13 P 13
#14 20210918 08:00 25 R 25
#15 20210919 09:00 92 S 92
#16 20210920 10:00 21 T 21
#17 20210921 11:00 79 U 79
#18 20210922 12:00 41 V 41
#19 20210924 14:00 97 X 97
#20 20210925 15:00 16 Y 16
数据
cbind创建矩阵，使用data.frame创建数据帧。
df1 <- data.frame(A, B, C, D)
df2 <- data.frame(A, B, C, E)
我有两个 data.frames，每个都有数千行和几十列，它们都是通过合并几个 csv 文件创建的。 data.frames 正是我想要的。我还要补充一点，df1 和 df2 有几个共同的列。唯一的问题是，在其中一个，比如说 df1 中，对于某些列，有一些 NA（这是 expected/normal）。好消息是我有 NA 的相同列也出现在第二个 data.frame 中，比如 df2，但没有 NA。我想做的是用 df1 同一列中的值填充 df2 给定列中的 NA，其中每个值是根据 df1 和 df2 之间其他列值的匹配来选择的。
使用一些随机数据：
A<- format(seq(as.Date("2021/09/01"), by = "day", length.out = 26), format="%Y%m%d")
B<- format(seq(as.POSIXct("2021-1-1 15:00"), as.POSIXct("2021-1-02 16:00"), by = "hour"), format = "%H:%M")
C<- sample(1:100, 26, replace=FALSE)
D<- LETTERS
E<- paste(D, C)
df1<- cbind(A, B, C, D)
df2<- cbind(A, B, C, E)
df2[c(7:10, 13, 18:21), 3] <- NA #replace some of the values with NAs
df2<- df2[-c(2,5,11,17,23,26),] #delete some columns so df1 and df2 are of different size
我希望对于 df2$C，当找到 NA 值时，相应的 df2$A 和 df2$B 值都与所有 df1$A 和 df2$B 匹配。当且仅当在 df1 中找到匹配 df1$A 和 df1$B 的行时，df1$C 的对应值才会复制到 df2$C NA 值中。换句话说，对于上面的示例数据，如果 df2$C 中有一个 NA 值，则该特定行的日期和时间的相应组合应该与 df1 的所有日期和时间串联结果相匹配，当匹配时找到了，用df1$C对应的值替换df2$C中的NA。
# as an instance, a case of my df2 where a NA occurs is
df2[17,3]
#This should be replaced with the value from
df1[21,3]
# because the time and date of
df2[17,]
A B C E
"20210921" "11:00" NA "U 46"
#is the same than
df1[21,]
A B C D
"20210921" "11:00" "46" "U"
我 100% 确定每个 data.frame 中的 A 列和 B 列的串联在每个 data.frame 中给出唯一的结果，因此 df1$A 和 df1$B 的串联将是唯一的，同样适用于 df2。此外，可以肯定的是，df2$A 和 df2$B 的串联与 df1 中 A 列和 B 列的串联相匹配，将产生一个且唯一的值。出于这个原因，我尝试将每个 data.frames 列 A 和 B 连接到一个新列中，以在 Base R 的 elseif 循环中使用 match(paste(...,...)) 查找匹配值或者使用其他论坛中提出的 dplyr 库的其他解决方案，但我找不到适合我的解决方案。我认为这类似于具有多个条件的 Excel lookup/vlookup 函数，但我无法在 R.
中弄清楚这个函数关于如何进行的任何建议？谢谢
既然你已经提到了 dplyr；它为工作提供了工具。只需在您希望匹配的列上 left_join，然后 coalesce 结果用第二个 table.
library(dplyr)
df1 <- as.data.frame(df1)
df2 <- as.data.frame(df2)
concatenate <- df2 %>%
left_join(df1, by = c('A', 'B'), suffix = c('', '.y')) %>%
mutate(C = coalesce(C, C.y)) %>%
select(-c(C.y))
您可以创建唯一密钥来更新 df2。
unique_key1 <- paste(df1$A, df1$B)
unique_key2 <- paste(df2$A, df2$B)
inds <- is.na(df2$C)
df2$C[inds] <- df1$C[match(unique_key2[inds], unique_key1)]
df2
# A B C E
#1 20210901 15:00 74 A 74
#2 20210903 17:00 27 C 27
#3 20210904 18:00 60 D 60
#4 20210906 20:00 7 F 7
#5 20210907 21:00 96 G 96
#6 20210908 22:00 98 H 98
#7 20210909 23:00 38 I 38
#8 20210910 00:00 89 J 89
#9 20210912 02:00 69 L 69
#10 20210913 03:00 72 M 72
#11 20210914 04:00 76 N 76
#12 20210915 05:00 63 O 63
#13 20210916 06:00 13 P 13
#14 20210918 08:00 25 R 25
#15 20210919 09:00 92 S 92
#16 20210920 10:00 21 T 21
#17 20210921 11:00 79 U 79
#18 20210922 12:00 41 V 41
#19 20210924 14:00 97 X 97
#20 20210925 15:00 16 Y 16
数据
cbind创建矩阵，使用data.frame创建数据帧。
df1 <- data.frame(A, B, C, D)
df2 <- data.frame(A, B, C, E)