合并R中具有共同和不常见样本的两个数据帧

Question

我有两个数据框,Data1和Data2,我想根据变量"ID"合并.

此示例数据可在此处下载:http://dl.dropbox.com/u/52600559/example.RData

这是第一个数据框:

> Data1
   ID     Fruit  Color Weight
1   1     Apple    Red      5
2   2    Orange Orange      7
3   3    Banana Yellow      3
4   4      Pear  Green      5
5   5    Tomato    Red      4
6   6     Berry   Blue      4
7   7  Mandarin Orange      4
8   8 Pineapple Yellow      9
9   9 Nectarine Orange      5
10 10      Beet    Red      5

这是第二个数据框:

> Data2
   ID       Fruit  Color Weight
1   1       Apple    Red      5
2   2      Orange Orange      7
3   3      Banana Yellow      3
4   4        Pear  Green      5
5   5      Tomato    Red      4
6  11 Pomegranate    Red      6
7  12       Grape  Green      4
8  13   Cranberry    Red      4
9  14       Melon   Pink      5
10 15     Pumpkin Orange     10

我试图像这样合并它们:

> merge(Data1, Data2, by = "ID", sort = FALSE, all.x = TRUE, all.y = TRUE)
   ID   Fruit.x Color.x Weight.x     Fruit.y Color.y Weight.y
1   1     Apple     Red        5       Apple     Red        5
2   2    Orange  Orange        7      Orange  Orange        7
3   3    Banana  Yellow        3      Banana  Yellow        3
4   4      Pear   Green        5        Pear   Green        5
5   5    Tomato     Red        4      Tomato     Red        4
6   9 Nectarine  Orange        5        <NA>    <NA>       NA
7   6     Berry    Blue        4        <NA>    <NA>       NA
8   7  Mandarin  Orange        4        <NA>    <NA>       NA
9   8 Pineapple  Yellow        9        <NA>    <NA>       NA
10 10      Beet     Red        5        <NA>    <NA>       NA
11 14      <NA>    <NA>       NA       Melon    Pink        5
12 11      <NA>    <NA>       NA Pomegranate     Red        6
13 12      <NA>    <NA>       NA       Grape   Green        4
14 13      <NA>    <NA>       NA   Cranberry     Red        4
15 15      <NA>    <NA>       NA     Pumpkin  Orange       10

如您所见,两个数据框都有许多相同的变量.但是,Data1中的某些ID不在Data2中,反之亦然.此外,一些ID位于两个数据帧中.

问题1:我想合并上面显示的所有列.所以,我希望"Fruit.x"与"Fruit.y"合并.进入一个名为"水果"的专栏.我怎样才能做到这一点？

问题2:如果对于Data1和Data2中恰好存在的其中一个样本,其中一个值不一致,该怎么办？因此,对于样本ID 1,如果Fruit.x是Apple,但Fruit.y被错误地编码为Aple(带拼写错误),有没有办法可以快速检查所有这些实例,以便我可以选择哪一个是正确的？或者我可以告诉R在发生这种情况时始终认为Data1与Data2是正确的吗？

感谢任何能提供帮助的人!!

Answer 1

试试这个:

merge(Data1, Data2, all = TRUE)

并且对于拼写,请尝试这里amatch的大概匹配,fruit并near包含不完全匹配的近似匹配:

for(fruit in Data1$Fruit) {
    amatch <- agrep(fruit, Data2$Fruit, value = TRUE)
    near <- amatch[amatch != fruit]
    if (length(near) > 0) cat(fruit, ":", near, "\n")
}

使用提供的数据,这给出:

Berry : Cranberry 

编辑:提高代码清晰度