使用另一個表中的數據連接並覆蓋一個表中的數據

Question

如何連接和覆蓋數據似乎是一個常見請求，但我還沒有找到適用於整個數據集的優雅解決方案。 （注意：爲了簡化數據，我將只使用1和NAs作爲值和列的一小部分，但實際上我有幾百個具有不同值的列）。

我有一個數據表（d1）在某些列和行中有NA值。

library(data.table) 
d1 = fread(
"r id v1 v2 v3 
1 A 1 1 1 
2 B 1 1 1 
3 C 1 NA NA 
4 D 1 1 NA 
5 E 1 NA 1")[, r := NULL] 

而且我有一個包含額外的列以及從D1現有列丟失的數據點的另一個數據表（D2）。

d2 = fread(
"r id v2 v3 v4 v5 
1 C 1 1 1 1 
2 D 1 1 1 1 
3 E 1 1 1 1")[, r := NULL ] 

我想基本上加盟+覆蓋D1與D2中的所有數據，確保課程的名字，以匹配ID和列的行，如下圖所示。

> d12 
    id v1 v2 v3 v4 v5 
1 A 1 1 1 NA NA 
2 B 1 1 1 NA NA 
3 C 1 1 1 1 1 
4 D 1 1 1 1 1 
5 E 1 1 1 1 1 

附加方案：我也想知道如何可以做到這一點，如果你只想在D1更新NA值，也就是確保現有的非NA值不會被覆蓋。 （爲了使這更容易可視化，我將包含1和0的新表）。

例如，如果我們已經D3

d3 = fread(
"r id v1 v2 v3 
1 A 1 1 1 
2 B 1 1 1 
3 C 1 0 NA 
4 D 1 1 0 
5 E 1 NA 1")[, r := NULL ] 

我們想加入d2和只覆蓋港定居人士獲得：

> d32 
    id v1 v2 v3 v4 v5 
1 A 1 1 1 NA NA 
2 B 1 1 1 NA NA 
3 C 1 0 1 1 1 
4 D 1 1 0 1 1 
5 E 1 1 1 1 1 

僅供參考，下面是一些其他職位解決這個問題，但只一個或兩個欄目。我正在尋找的解決方案應該允許一個表中的數據被許多（如果不是全部）另一個表中的列覆蓋。

Merge data frames and overwrite values

Merge two data frame and replace the NA value in R

一個data.table爲基礎的解決方案是首選，但其他人的歡迎。

Answer 1

library("dplyr") 

d12 <- anti_join(d1, d2, by = "id") %>% 
     bind_rows(d2) 

該解決方案從d1取行時，不在d2，然後添加到他們的d2行。

這不適用於'其他場景'，這看起來更加混亂以解決，也許應該是一個單獨的問題。

Answer 2

這裏是@弗蘭克的解決方案從評論。 （注意：首先需要將d1和d2定義爲data.table）。

library(data.table) 
cols = setdiff(intersect(names(d1), names(d2)), "id") 
d1[d2, on=.(id), (cols) := mget(paste0("i.", cols))] 

正如他所指出的，我下面提供的原始解決方案是一個壞主意一般來說。如果ids出現多次或以不同的順序，它會做錯誤的事情。

D1 [以％D2的$ id D1的$ id％，名稱（D2）：= D2]

Answer 3

我認爲這是最簡單的去長型：

md1 = melt(d2, id="id") 
md2 = melt(d2, id="id") 

然後你就可以堆疊起來，並採取最新值：

res1 = unique(rbind(md1, md2), by=c("id", "variable"), fromLast=TRUE) 

我也想知道如何可以做到這一點，如果你只是想更新的NA值[ d3]，即確保現有的非NA值不被覆蓋。

您可以從更新表，md2排除行，如果他們出現在md3：

md3 = melt(d3, id="id") 

res3 = unique(rbind(md3, md2[!md3, on=.(id, variable)]), 
    by=c("id", "variable"), fromLast=TRUE) 

dcast可以使用，如果有必要回到寬幅，例如，dcast(res3, id ~ ...)。