迹忆客 专注技术分享

在用 R 代码操作数据时，我们经常会面临将两个 Data Frame 合并成一个 Data Frame 的需求。本教程将看到一些在 R 中高效组合两个 Data Frame 的方法。

假设你有两个 Data Frame，x 和 y，有一些匹配的列。例如：

x <- data.frame(a=c(218, 415, 339), b=c(25, 19, 43), c=c(950, 872, 645))
y <- data.frame(a=c(309, 115), c=c(799, 814))

而你需要把它们组合成一个结果 data frame，比如说，叫做 z。这样的 Data Frame 可以像这样的。

在 R 中使用 rbind 来合并两个 Data Frame

rbind 函数将数据结构，如 data frame、向量或矩阵，按行组合起来。它的名字代表行绑定。

当使用 rbind 组合两个 data frame 时，两个 data frame 需要有相同的列。因此，在前面的例子中，你需要将 b 列添加到 data frame y 中。可以通过执行这个命令来完成。

y$b <- NA

现在 data frame y 应该是这样的。

现在你可以通过执行这个命令，使用 rbind 将 x 和 y data frame 合并到新的 z data frame 中。

x <- data.frame(a=c(218, 415, 339), b=c(25, 19, 43), c=c(950, 872, 645))
y <- data.frame(a=c(309, 115), c=c(799, 814))

y$b <- NA

z <- rbind(x, y)

输出：

    a  b   c
1 218 25 950
2 415 19 872
3 339 43 645
4 309 NA 799
5 115 NA 814

使用 dplyr 软件包

如果你不想为了使用 rbind 而编写额外的一行代码或向其中一个 data frame 添加虚构的列，你可以安装 dplyr 包，然后只需使用：

z <- bind_rows(x, y)

它用 x 和 y 的组合填充 z data frame。

在 R 中组合大型 data frame

前面的例子对于只有几行和 2 或 3 列的小型 data frame 来说，效果不错。但是当你需要合并有很多行和任意列数的大数据集时，最好写一个能更快地完成工作的函数，比如下面这个函数。

quickmerge <- function(df1, df2) {
  df1.names <- names(df1)
  df2.names <- names(df2)
  df2.add <- setdiff(df1.names, df2.names)
  df1.add <- setdiff(df2.names, df1.names)
  if(length(df2.add) > 0) {
    for(i in 1:length(df2.add)) {
      df2[df2.add[i]] <- NA
    }
  }
  if(length(df1.add) > 0) {
    for(i in 1:length(df1.add)) {
      df1[df1.add[i]] <- NA
    }
  }
  return(rbind(df1, df2))
}

这个函数首先比较 data frame 中的列名，然后添加必要的列，使它们相等。最后，它使用 rbind 函数来合并行，并返回结果。调用该函数时，你可以这样使用：

z <- quickmerge(x, y)

完整的示例代码如下：

quickmerge <- function(df1, df2) {
  df1.names <- names(df1)
  df2.names <- names(df2)
  df2.add <- setdiff(df1.names, df2.names)
  df1.add <- setdiff(df2.names, df1.names)
  if(length(df2.add) > 0) {
    for(i in 1:length(df2.add)) {
      df2[df2.add[i]] <- NA
    }
  }
  if(length(df1.add) > 0) {
    for(i in 1:length(df1.add)) {
      df1[df1.add[i]] <- NA
    }
  }
  return(rbind(df1, df2))
}

x <- data.frame(a=c(218, 415, 339), b=c(25, 19, 43), c=c(950, 872, 645))
y <- data.frame(a=c(309, 115), c=c(799, 814))

z <- quickmerge(x, y)

print(z)

输出：

    a  b   c
1 218 25 950
2 415 19 872
3 339 43 645
4 309 NA 799
5 115 NA 814