left join + anti join 在 R 中的用法

huangapple
go评论89阅读模式
英文:

left join + anti join in R

问题

有没有一种方法可以执行left_join，排除匹配项？

  1. A <- sample(1:100, 10)
  2. B <- sample(1:100, 10)
  3. C <- sample(1:100, 10)
  4. year <- sample(1000:2000, 10)
  6. x <- tibble(year, A, B) %>%
  7.   mutate(B = B * 12)
  8. y <- tibble(year, B, C)

我想要的是 x + 来自 y 的列，这些列不在 x 中。

编辑：所有数据集的年份都相同，但我已经对 x 中的 B 列进行了转换，使其不再与集合 y 中的列匹配。

我希望最终得到一个框架：x(year, A, B, C)，其中的 B 是最初在 x 中的 B 列。

我尝试过使用 coalesce(x, y)，但没有成功，有人有关于这个的线索吗？
我是不是在尝试做一些非常愚蠢的事情或者漏掉了一些细节？

我知道我可以简单地从 y 中删除我不想要的列，或者只需通过= "year" 进行连接，然后删除带有 .y 后缀的列，但希望有一种更好的方法来实现这一点！

英文:

Is there a way to perform a left_join that excludes matches?

  1. A&lt;-sample(1:100, 10)
  2. B&lt;-sample(1:100, 10)
  3. C&lt;-sample(1:100, 10)
  4. year&lt;-sample(1000:2000,10)
  6. x&lt;-tibble(year,A,B)%&gt;%
  7.   mutate(B=B*12)
  8. y&lt;-tibble(year,B,C)

I want x + the cols from y that are not in x

EDIT: Year is the same across all the datasets, but I have transformed the B column in x so that it no longer matches the one in set y.

I want to finish with a frame: x(year,A,B,C) where the B is the one that was in x originally.

I tried with coalesce(x,y) but to no avail, anyone have any clues about this?
Am I trying to do something really stupid or missing some detail?

I know that I could just drop the columns I don''t want from y, or that I could just join by = "year" and then drop the ones with the .y suffix, but hoping that there a nicer way to accomplish this!

答案1

得分: 2

如果我理解正确，一个潜在的解决方案是使用powerjoin包执行power_left_join()，如果存在冲突则从x中进行选择，例如：

  1. library(tidyverse)
  2. # install.packages("powerjoin")
  3. library(powerjoin)
  5. set.seed(42)
  7. A <- sample(1:100, 10)
  8. B <- sample(1:100, 10)
  9. C <- sample(1:100, 10)
  10. year <- sample(1000:2000, 10)
  12. y <- tibble(year, B, C)
  13. x <- tibble(year, A, B)
  15. # 修改"x"中的第一个"B"值
  16. x$B[1] <- 1000
  18. x %>%
  19.   power_left_join(y, by = "year", conflict = ~.x)
  20. #> # A tibble: 10 × 4
  21. #>     year     A     C     B
  22. #>    <int> <int> <int> <dbl>
  23. #>  1  1313    49    34  1000
  24. #>  2  1647    65    92    20
  25. #>  3  1291    25     3    26
  26. #>  4  1835    74    58     3
  27. #>  5  1981    18    42    41
  28. #>  6  1145   100    24    89
  29. #>  7  1620    47    30    27
  30. #>  8  1347    24    43    36
  31. #>  9  1196    71    15     5
  32. #> 10  1515    89    22    84

然而，另一种方法是放弃“.y”列并将“.x”列重命名，这并不更加“困难”（这是我个人使用的方法）。

  1. x %>%
  2.   left_join(y, by = "year") %>%
  3.   select(-ends_with(".y")) %>%
  4.   rename_with(~gsub(".x", "", .x))
  5. #> # A tibble: 10 × 4
  6. #>     year     A     B     C
  7. #>    <int> <int> <dbl> <int>
  8. #>  1  1313    49  1000    34
  9. #>  2  1647    65    20    92
  10. #>  3  1291    25    26     3
  11. #>  4  1835    74     3    58
  12. #>  5  1981    18    41    42
  13. #>  6  1145   100    89    24
  14. #>  7  1620    47    27    30
  15. #>  8  1347    24    36    43
  16. #>  9  1196    71     5    15
  17. #> 10  1515    89    84    22

在2023-07-06使用reprex v2.0.2创建

英文:

If I've understood correctly, one potential solution is to use the powerjoin package to do a power_left_join() and 'select' the value from x if there are any conflicts, e.g.

  1. library(tidyverse)
  2. # install.packages(&quot;powerjoin&quot;)
  3. library(powerjoin)
  5. set.seed(42)
  7. A &lt;- sample(1:100, 10)
  8. B &lt;- sample(1:100, 10)
  9. C &lt;- sample(1:100, 10)
  10. year &lt;- sample(1000:2000, 10)
  12. y &lt;- tibble(year, B, C)
  13. x &lt;- tibble(year, A, B)
  15. # change the first &quot;B&quot; value in &quot;x&quot;
  16. x$B[1] &lt;- 1000
  18. x %&gt;%
  19.   power_left_join(y, by = &quot;year&quot;, conflict = ~.x)
  20. #&gt; # A tibble: 10 &#215; 4
  21. #&gt;     year     A     C     B
  22. #&gt;    &lt;int&gt; &lt;int&gt; &lt;int&gt; &lt;dbl&gt;
  23. #&gt;  1  1313    49    34  1000
  24. #&gt;  2  1647    65    92    20
  25. #&gt;  3  1291    25     3    26
  26. #&gt;  4  1835    74    58     3
  27. #&gt;  5  1981    18    42    41
  28. #&gt;  6  1145   100    24    89
  29. #&gt;  7  1620    47    30    27
  30. #&gt;  8  1347    24    43    36
  31. #&gt;  9  1196    71    15     5
  32. #&gt; 10  1515    89    22    84

However, the alternative approach of dropping the ".y" columns and renaming the ".x" columns isn't that much 'harder' (this is what I personally use).

  1. x %&gt;%
  2.   left_join(y, by = &quot;year&quot;) %&gt;%
  3.   select(-ends_with(&quot;.y&quot;)) %&gt;%
  4.   rename_with(~gsub(&quot;.x&quot;, &quot;&quot;, .x))
  5. #&gt; # A tibble: 10 &#215; 4
  6. #&gt;     year     A     B     C
  7. #&gt;    &lt;int&gt; &lt;int&gt; &lt;dbl&gt; &lt;int&gt;
  8. #&gt;  1  1313    49  1000    34
  9. #&gt;  2  1647    65    20    92
  10. #&gt;  3  1291    25    26     3
  11. #&gt;  4  1835    74     3    58
  12. #&gt;  5  1981    18    41    42
  13. #&gt;  6  1145   100    89    24
  14. #&gt;  7  1620    47    27    30
  15. #&gt;  8  1347    24    36    43
  16. #&gt;  9  1196    71     5    15
  17. #&gt; 10  1515    89    84    22

<sup>Created on 2023-07-06 with reprex v2.0.2</sup>

答案2

得分: 1

我们可以使用 setdiff 识别新列名（我使用 base::setdiff 来避免可能的冲突，如果有人加载了 lubridate）。然后使用年份和来自 y 的这些列进行连接。

  1. new_cols <- base::setdiff(colnames(y), colnames(x))
  3. left_join(x, y[,c("year", new_cols)])

连接依据为 by = join_by(year)。

英文:

We could identify the new column names with setdiff (I'm using base::setdiff to avoid the potential conflict if someone has loaded lubridate.), and then join using year + those columns from y.

  1. new_cols &lt;- base::setdiff(colnames(y), colnames(x))
  3. left_join(x, y[,c(&quot;year&quot;, new_cols)])
  6. Joining with `by = join_by(year)`
  7. # A tibble: 10 &#215; 4
  8.     year     A     B     C
  9.    &lt;int&gt; &lt;int&gt; &lt;int&gt; &lt;int&gt;
  10.  1  1336     8   100    66
  11.  2  1643     1    57    76
  12.  3  1896    58    24    15
  13.  4  1965    65    66    69
  14.  5  1361    74    18    43
  15.  6  1526    92    38    78
  16.  7  1870    36     8    68
  17.  8  1151    15    86    92
  18.  9  1748    35    16    19
  19. 10  1624    82    30    42

huangapple
  • 本文由 发表于 2023年7月6日 11:01:41
  • 转载请务必保留本文链接：https://go.coder-hub.com/76625220.html
  • dplyr
  • merge
  • r
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定