R版本2.11.1在Windows 7上为32位
我有两个数据集:data_A和data_B:
USER_A USER_B ACTION
1 11 0.3
1 13 0.25
1 16 0.63
1 17 0.26
2 11 0.14
2 14 0.28
USER_A USER_B ACTION
1 13 0.17
1 14 0.27
2 11 0.25
现在,如果USER_A和USER_B相等,我想将data_B的ACTION添加到data_A。如上例所示,结果将是:
USER_A USER_B ACTION
1 11 0.3
1 13 0.25+0.17
1 16 0.63
1 17 0.26
2 11 0.14+0.25
2 14 0.28
那我怎么能实现呢?
您可以在ddply
包中使用plyr
并将其与merge
结合使用:
library(plyr)
ddply(merge(data_A, data_B, all.x=TRUE),
.(USER_A, USER_B), summarise, ACTION=sum(ACTION))
请注意,使用参数merge
调用all.x=TRUE
- 这将返回传递给merge
的第一个data.frame中的所有值,即data_A:
USER_A USER_B ACTION
1 1 11 0.30
2 1 13 0.25
3 1 16 0.63
4 1 17 0.26
5 2 11 0.14
6 2 14 0.28
使用类似数据库的操作很容易做到这一点。在这里,我使用包sqldf
进行左(外)连接,然后汇总生成的对象:
require(sqldf)
tmp <- sqldf("select * from data_A left join data_B using (USER_A, USER_B)")
这导致:
> tmp
USER_A USER_B ACTION ACTION
1 1 11 0.30 NA
2 1 13 0.25 0.17
3 1 16 0.63 NA
4 1 17 0.26 NA
5 2 11 0.14 0.25
6 2 14 0.28 NA
现在我们只需要将两个ACTION
列相加:
data_C <- transform(data_A, ACTION = rowSums(tmp[, 3:4], na.rm = TRUE))
这给出了期望的结果:
> data_C
USER_A USER_B ACTION
1 1 11 0.30
2 1 13 0.42
3 1 16 0.63
4 1 17 0.26
5 2 11 0.39
6 2 14 0.28
这可以使用标准R函数merge
完成:
> merge(data_A, data_B, by = c("USER_A","USER_B"), all.x = TRUE)
USER_A USER_B ACTION.x ACTION.y
1 1 11 0.30 NA
2 1 13 0.25 0.17
3 1 16 0.63 NA
4 1 17 0.26 NA
5 2 11 0.14 0.25
6 2 14 0.28 NA
所以我们可以用以下内容替换上面的sqldf()
调用:
tmp <- merge(data_A, data_B, by = c("USER_A","USER_B"), all.x = TRUE)
而使用transform()
的第二行保持不变。
我写了包qazxsw poi,它非常简洁地解决了这个问题:
safejoin
如果发生冲突,馈送到# devtools::install_github("moodymudskipper/safejoin")
library(safejoin)
safe_left_join(data_A,data_B, by = c("USER_A", "USER_B"),
conflict = ~ .x+ ifelse(is.na(.y),0,.y))
# USER_A USER_B ACTION
# 1 1 11 0.30
# 2 1 13 0.42
# 3 1 16 0.63
# 4 1 17 0.26
# 5 2 11 0.39
# 6 2 14 0.28
参数的函数将用于冲突列对