webdevqa.jp.net

2つのデータフレームに異なる列のセットがある場合は、2つのデータフレームを行(rbind)で結合する

同じ列のセットを持たない2つのデータフレームを行バインドすることは可能ですか?バインド後に一致しない列を保持したいと考えています。

186
Btibert3

あなたが探しているのは、パッケージplyrrbind.fillです。

191

もっと最近の解決策はdplyrbind_rows関数を使うことです。これはsmartbindより効率的だと思います。

92
xiaodai

smartbindパッケージからgtoolsを使用できます。

例:

library(gtools)
df1 <- data.frame(a = c(1:5), b = c(6:10))
df2 <- data.frame(a = c(11:15), b = c(16:20), c = LETTERS[1:5])
smartbind(df1, df2)
# result
     a  b    c
1.1  1  6 <NA>
1.2  2  7 <NA>
1.3  3  8 <NA>
1.4  4  9 <NA>
1.5  5 10 <NA>
2.1 11 16    A
2.2 12 17    B
2.3 13 18    C
2.4 14 19    D
2.5 15 20    E
45
neilfws

df1の列がdf2の列のサブセットである場合(列名による):

df3 <- rbind(df1, df2[, names(df1)])
35
Aaron Statham

data.tableを使用した代替方法:

library(data.table)
df1 = data.frame(a = c(1:5), b = c(6:10))
df2 = data.frame(a = c(11:15), b = c(16:20), c = LETTERS[1:5])
rbindlist(list(df1, df2), fill = TRUE)

オブジェクトがdata.tableオブジェクトに変換される限り、rbinddata.tableでも機能します。

rbind(setDT(df1), setDT(df2), fill=TRUE)

この状況でも動作します。これは、data.tablesがいくつかあり、リストを作成したくない場合に適しています。

29
kdauria

基数Rの回答の大部分は、1つのdata.frameだけが追加の列を持っているという状況、または結果として得られるdata.frameが列の交差を持つという状況に対処します。 OPが書いているので私はバインドの後でマッチしないカラムを保持したいと思っています、この問題に取り組むためにベースRメソッドを使う答えはおそらく価値があります投稿.

以下では、2つの基本的なRメソッドを提示します。1つは元のdata.framesを変更するもので、もう1つは変更しないものです。さらに、非破壊的な方法を2つ以上のdata.frameに一般化する方法を提供します。

まず、サンプルデータを取得しましょう。

# sample data, variable c is in df1, variable d is in df2
df1 = data.frame(a=1:5, b=6:10, d=month.name[1:5])
df2 = data.frame(a=6:10, b=16:20, c = letters[8:12])

2つのdata.frames、オリジナルを変える
両方のdata.framesのすべてのカラムをrbindname__に保持する(そしてエラーにならずに機能するようにする)には、適切な欠損名を使用してNA dataカラムを各data.frameに追加します。 setdiffname__。

# fill in non-overlapping columns with NAs
df1[setdiff(names(df2), names(df1))] <- NA
df2[setdiff(names(df1), names(df2))] <- NA

rbindname __- em

rbind(df1, df2)
    a  b        d    c
1   1  6  January <NA>
2   2  7 February <NA>
3   3  8    March <NA>
4   4  9    April <NA>
5   5 10      May <NA>
6   6 16     <NA>    h
7   7 17     <NA>    i
8   8 18     <NA>    j
9   9 19     <NA>    k
10 10 20     <NA>    l

最初の2行で元のdata.framesのdf1とdf2が変更され、両方に列のフルセットが追加されています。


2つのdata.frames、オリジナルを変更しないでください
元のdata.framesをそのままにするには、最初に異なる名前をループ処理し、cname__を使用してdata.frameでリストに連結された名前付きNAのベクトルを返します。次に、data.frameは結果をrbindname__の適切なdata.frameに変換します。

rbind(
  data.frame(c(df1, sapply(setdiff(names(df2), names(df1)), function(x) NA))),
  data.frame(c(df2, sapply(setdiff(names(df1), names(df2)), function(x) NA)))
)

多くのdata.frames、オリジナルを変更しないでください
data.framesが3つ以上ある場合は、次のことができます。

# put data.frames into list (dfs named df1, df2, df3, etc)
mydflist <- mget(ls(pattern="df\\d+")
# get all variable names
allNms <- unique(unlist(lapply(mydflist, names)))

# put em all together
do.call(rbind,
        lapply(mydflist,
               function(x) data.frame(c(x, sapply(setdiff(allNms, names(x)),
                                                  function(y) NA)))))

元のdata.frameの行名が表示されないようにした方がいいかもしれません。それからこれをしなさい。

do.call(rbind,
        c(lapply(mydflist,
                 function(x) data.frame(c(x, sapply(setdiff(allNms, names(x)),
                                                    function(y) NA)))),
          make.row.names=FALSE))
20
lmo

共通の列名を取り出すこともできます。

> cols <- intersect(colnames(df1), colnames(df2))
> rbind(df1[,cols], df2[,cols])
18
Jonathan Chang

私は何かが間違っているかどうかを教えてくれる私のコードが好きなのでこれを行うための関数を書きました。この関数は、どの列名が一致しないか、また型の不一致があるかどうかを明示的に示します。それからそれはとにかくdata.framesを結合するために最善を尽くします。制限は、一度に2つのdata.framesしか結合できないことです。

### combines data frames (like rbind) but by matching column names
# columns without matches in the other data frame are still combined
# but with NA in the rows corresponding to the data frame without
# the variable
# A warning is issued if there is a type mismatch between columns of
# the same name and an attempt is made to combine the columns
combineByName <- function(A,B) {
    a.names <- names(A)
    b.names <- names(B)
    all.names <- union(a.names,b.names)
    print(paste("Number of columns:",length(all.names)))
    a.type <- NULL
    for (i in 1:ncol(A)) {
        a.type[i] <- typeof(A[,i])
    }
    b.type <- NULL
    for (i in 1:ncol(B)) {
        b.type[i] <- typeof(B[,i])
    }
    a_b.names <- names(A)[!names(A)%in%names(B)]
    b_a.names <- names(B)[!names(B)%in%names(A)]
    if (length(a_b.names)>0 | length(b_a.names)>0){
        print("Columns in data frame A but not in data frame B:")
        print(a_b.names)
        print("Columns in data frame B but not in data frame A:")
        print(b_a.names)
    } else if(a.names==b.names & a.type==b.type){
        C <- rbind(A,B)
        return(C)
    }
    C <- list()
    for(i in 1:length(all.names)) {
        l.a <- all.names[i]%in%a.names
        pos.a <- match(all.names[i],a.names)
        typ.a <- a.type[pos.a]
        l.b <- all.names[i]%in%b.names
        pos.b <- match(all.names[i],b.names)
        typ.b <- b.type[pos.b]
        if(l.a & l.b) {
            if(typ.a==typ.b) {
                vec <- c(A[,pos.a],B[,pos.b])
            } else {
                warning(c("Type mismatch in variable named: ",all.names[i],"\n"))
                vec <- try(c(A[,pos.a],B[,pos.b]))
            }
        } else if (l.a) {
            vec <- c(A[,pos.a],rep(NA,nrow(B)))
        } else {
            vec <- c(rep(NA,nrow(A)),B[,pos.b])
        }
        C[[i]] <- vec
    }
    names(C) <- all.names
    C <- as.data.frame(C)
    return(C)
}
6
user399470

ドキュメンテーションのためだけに。 Stackライブラリとその関数Stackは、次の形式で試すことができます。

Stack(df_1, df_2)

私はそれが大きいデータセットのための他の方法より速いという印象も持っています。

2
Cro-Magnon

あなたの質問を完全に誤解したかもしれませんが、「バインド後に一致しない列を保持することを望んでいる」ということで、SQLクエリに似たleft joinまたはright joinを探していると思います。 Rには、SQLでテーブルを結合するのと同じように、左、右、または内部結合を指定できるmerge関数があります。

このトピックについてはすでに素晴らしい質問と回答があります。 データフレームを結合(結合)する方法(内側、外側、左側、右側)?

1
Chase

gtools/smartbindはDatesとの作業が好きではありませんでした。おそらくas.vectoringだったからでしょう。だからここに私の解決策は...

sbind = function(x, y, fill=NA) {
    sbind.fill = function(d, cols){ 
        for(c in cols)
            d[[c]] = fill
        d
    }

    x = sbind.fill(x, setdiff(names(y),names(x)))
    y = sbind.fill(y, setdiff(names(x),names(y)))

    rbind(x, y)
}
1
aaron

sjmisc::add_rows()を使用する dplyr::bind_rows() を使用することもできますが、bind_rows()とは異なり、add_rows()は属性を保持するため、 ラベル付きデータ に役立ちます。

次のラベル付きデータセットの例を参照してください。 frq()-関数は、値ラベル付きの頻度表を表示します。ifデータにラベルが付けられています。

library(sjmisc)
library(dplyr)

data(efc)
# select two subsets, with some identical and else different columns
x1 <- efc %>% select(1:5) %>% slice(1:10)
x2 <- efc %>% select(3:7) %>% slice(11:20)

str(x1)
#> 'data.frame':    10 obs. of  5 variables:
#>  $ c12hour : num  16 148 70 168 168 16 161 110 28 40
#>   ..- attr(*, "label")= chr "average number of hours of care per week"
#>  $ e15relat: num  2 2 1 1 2 2 1 4 2 2
#>   ..- attr(*, "label")= chr "relationship to elder"
#>   ..- attr(*, "labels")= Named num  1 2 3 4 5 6 7 8
#>   .. ..- attr(*, "names")= chr  "spouse/partner" "child" "sibling" "daughter or son -in-law" ...
#>  $ e16sex  : num  2 2 2 2 2 2 1 2 2 2
#>   ..- attr(*, "label")= chr "elder's gender"
#>   ..- attr(*, "labels")= Named num  1 2
#>   .. ..- attr(*, "names")= chr  "male" "female"
#>  $ e17age  : num  83 88 82 67 84 85 74 87 79 83
#>   ..- attr(*, "label")= chr "elder' age"
#>  $ e42dep  : num  3 3 3 4 4 4 4 4 4 4
#>   ..- attr(*, "label")= chr "elder's dependency"
#>   ..- attr(*, "labels")= Named num  1 2 3 4
#>   .. ..- attr(*, "names")= chr  "independent" "slightly dependent" "moderately dependent" "severely dependent"

bind_rows(x1, x1) %>% frq(e42dep)
#> 
#> # e42dep <numeric> 
#> # total N=20  valid N=20  mean=3.70  sd=0.47
#>  
#>   val frq raw.prc valid.prc cum.prc
#>     3   6      30        30      30
#>     4  14      70        70     100
#>  <NA>   0       0        NA      NA

add_rows(x1, x1) %>% frq(e42dep)
#> 
#> # elder's dependency (e42dep) <numeric> 
#> # total N=20  valid N=20  mean=3.70  sd=0.47
#>  
#>  val                label frq raw.prc valid.prc cum.prc
#>    1          independent   0       0         0       0
#>    2   slightly dependent   0       0         0       0
#>    3 moderately dependent   6      30        30      30
#>    4   severely dependent  14      70        70     100
#>   NA                   NA   0       0        NA      NA
0
Daniel