合併數據幀，同時對R中的公共列進行求和

Question

我的問題與張貼的here非常相似。

不同之處在於他們知道將會發生衝突的列，而我需要一種不會事先知道哪些列發生衝突的通用方法。

例如：

TABLE1 
Date    Time ColumnA ColumnB 
01/01/2013  08:00  10   30 
01/01/2013  08:30  15   25 
01/01/2013  09:00  20   20 
02/01/2013  08:00  25   15 
02/01/2013  08:30  30   10 
02/01/2013  09:00  35   5 

TABLE2 
Date   ColumnA ColumnB ColumnC 
01/01/2013  100  300   1 
02/01/2013  200  400   2 

表2只具有日期，並因此被施加到表A無論匹配的日期，關於時間的所有字段。

我想合併總結衝突列進1結果應該是這樣的：

TABLE3 
Date    Time ColumnA ColumnB ColumnC 
01/01/2013  08:00  110   330  1 
01/01/2013  08:30  115   325  1 
01/01/2013  09:00  120   320  1 
02/01/2013  08:00  225   415  2 
02/01/2013  08:30  230   410  2 
02/01/2013  09:00  235   405  2 

在我的標準合併只是創建「ColumnA.x」的重複列的那一刻，「ColumnA .y「，」ColumnB.x「，」ColumnB.y「。

任何幫助深表感謝

Answer 1

如果我理解正確，您需要一個靈活的方法，不需要知道除了要合併的列和要保留的列之外，每個表中存在哪些列。這可能不是最完美的解決方案，但在這裏是爲了滿足您的需求爲例功能：

merge_Sum <- function(.df1, .df2, .id_Columns, .match_Columns){ 
    merged_Columns <- unique(c(names(.df1),names(.df2))) 
    merged_df1 <- data.frame(matrix(nrow=nrow(.df1), ncol=length(merged_Columns))) 
    names(merged_df1) <- merged_Columns 
    for (column in merged_Columns){ 
     if(column %in% .id_Columns | !column %in% names(.df2)){ 
      merged_df1[, column] <- .df1[, column] 
     } else if (!column %in% names(.df1)){ 
      merged_df1[, column] <- .df2[match(.df1[, .match_Columns],.df2[, .match_Columns]), column] 
     } else { 
      df1_Values=.df1[, column] 
      df2_Values=.df2[match(.df1[, .match_Columns],.df2[, .match_Columns]), column] 
      df2_Values[is.na(df2_Values)] <- 0 
      merged_df1[, column] <- df1_Values + df2_Values 
     } 
    } 
    return(merged_df1) 
} 

此函數假設你有一個表」 .df1' 這是各種各樣的高手，你要合併具有匹配'.df1'中的一個或多個行的行的第二個'.df2'表中的數據。從主表'.df1'保留的列被接受爲數組'.id_Columns'，並且提供用於合併兩個表的匹配的列被接受爲數組。'match_Columns'

對於您的示例，它的工作是這樣的：

merge_Sum(table1, table2, c("Date","Time"), "Date") 

# Date  Time ColumnA ColumnB ColumnC 
# 1 01/01/2013 08:00  110  330  1 
# 2 01/01/2013 08:30  115  325  1 
# 3 01/01/2013 09:00  120  320  1 
# 4 02/01/2013 08:00  225  415  2 
# 5 02/01/2013 08:30  230  410  2 
# 6 02/01/2013 09:00  235  405  2 

在簡單的語言，該功能首先找到唯一列的總數量，使在主表中的形狀的空數據幀」 .df1' 以後保持合併數據。然後，對於'.id_Columns'，將數據從'.df1'複製到新的合併數據幀中。對於其他列，存在於'中的任何數據。'.df2'中的任何現有數據都添加了'df1'，其中'.df2'中的行基於'.match_Columns'匹配。

可能有一些軟件包做類似的操作，但大多數他們需要了解所有現有的專欄以及如何對待它們。正如我之前所說，這不是最優雅的解決方案，但它靈活而準確。

更新：原始函數假設table1和table2之間存在多對一關係，並且OP也請求允許多對一關係。該代碼已被更新，但效率稍低，但靈活性更高100％。

Answer 2

一個data.table解決方案：

dt1 <- data.table(read.table(header=T, text="Date    Time ColumnA ColumnB 
01/01/2013  08:00  10   30 
01/01/2013  08:30  15   25 
01/01/2013  09:00  20   20 
02/01/2013  08:00  25   15 
02/01/2013  08:30  30   10 
02/01/2013  09:00  35   5")) 

dt2 <- data.table(read.table(header=T, text="Date   ColumnA ColumnB ColumnC 
01/01/2013  100  300   1 
02/01/2013  200  400   2")) 

setkey(dt1, "Date") 
setkey(dt2, "Date") 
# Note: The ColumnC assignment has to be come before the summing operations 
# Else it gives out error (see below) 
dt1[dt2, `:=`(ColumnC = i.ColumnC, ColumnA = ColumnA + i.ColumnA, 
         ColumnB = ColumnB + i.ColumnB)] 

#   Date Time ColumnA ColumnB ColumnC 
# 1: 01/01/2013 08:00  110  330  1 
# 2: 01/01/2013 08:30  115  325  1 
# 3: 01/01/2013 09:00  120  320  1 
# 4: 02/01/2013 08:00  225  415  2 
# 5: 02/01/2013 08:30  230  410  2 
# 6: 02/01/2013 09:00  235  405  2 

我不知道爲什麼把右端ColumnC分配拋出這個錯誤。也許MatthewDowle可以解釋這個錯誤的原因。從v1.8.9

dt1[dt2, `:=`(ColumnA = ColumnA + i.ColumnA, ColumnB = ColumnB + i.ColumnB, 
         ColumnC = i.ColumnC)] 

Error in `[.data.table`(dt1, dt2, `:=`(ColumnA = ColumnA + i.ColumnA, : 
    Value of SET_STRING_ELT() must be a 'CHARSXP' not a 'NULL' 

---

更新：

ö混合添加新的與更新現有列到一個:=（）由基;即
DT[,：= (existingCol=...,newCol=...), by=...]
現在可以正常工作，或者 段錯誤，＃2778和＃2528。非常感謝Arun報告具有可重複性的例子。添加了測試。