使用R中另一个数据帧的变量完成数据帧

我有一个包含产品信息（如ID，描述和类别（以及许多其他变量））的主数据框。使用R中另一个数据帧的变量完成数据帧

main.df <- structure(list(product.ID = 1:10, 
description = c("abc...", "bcd...", "def...", "efg...", "fgh...", 
"ghi...", "hij...", "ijk...", "jkl...", "klm..."), 
category = c("a", "b", "c", "d", "e", "a", "b", "c", "d", "e")), 
.Names = c("product.ID", "description", "category"), 
row.names = c(NA, -10L), class = "data.frame")

然后，我有一个第二数据帧，它列出了类产品的每一个特定的类别属：

classes.df <- structure(list(category = c("a", "b", "c", "d", "e"), 
classe = c("aaa", "bbb", "aaa", "ccc", "bbb")), 
.Names = c("category", "classe"), 
row.names = c(NA, -5L), 
class = "data.frame")

“类别”的变量是什么“链接”的2个的数据帧。

我需要在main.df中添加一个变量来提及每行所属的产品类，但是我不知道如何去做。

考虑到我的实际main.df是4.5万行遍布90,000多个类别，我的实际classes.df有90,000行对应120个类，我该怎么做。谢谢。

main.df结构

Classes ‘data.table’ and 'data.frame': 250000 obs. of 16 variables: 
$ ID   : int 4722 6988 9184 13224 13511 15938 19244 21162 23294 23793 ... 
$ dataset : Factor w/ 2 levels "BA", "RB",..: 1 1 1 1 1 1 1 1 1 1 ... 
$ prodID  : num 429 429 429 429 429 429 429 429 429 429 ... 
$ ProdName : chr "aaa" "aaa" "bbb" "ccc" "eee" ... 
$ manufacID : num 1 1 1 1 1 1 1 1 1 1 ... 
$ time  : num 1271636264 1062977828 1218368958 1305424000 1284596323 ... 
$ serial  : chr "BA1" "BA1" "RB1" "RB7" ... 
- attr(*, "sorted")= chr "serial" 
- attr(*, ".internal.selfref")=<externalptr>

classes.df结构：

Classes ‘data.table’ and 'data.frame': 20565 obs. of 5 variables: 
    $ ID   : int 652 1204 1252 1379 2334 2335 2336 2337 3186 3187 ... 
    $ mName : chr "XYZ" "EHD" "DLK" "TSH" ... 
    $ country: chr "Argentina" "USA" "UK" "Argentina" ... 
    $ serial : chr "RB7" "BA1" "RB97" "RB732" ... 
    - attr(*, ".internal.selfref")=<externalptr>

（出于保密原因，我不得不匿名化的名称）

来源

2014-11-15 Sal

如果我理解正确的话，你想用'serial'列作为链接变量。但是，有'ID'列也是一个常见变量。在预期的结果中，'main.df'有多少列？ – akrun

尝试data.table更大的数据集

library(data.table) 
setkey(setDT(main.df), category) 
setDT(classes.df) 
main.df[classes.df][order(product.ID),] 
# product.ID description category classe 
#1:   1  abc...  a aaa 
#2:   2  bcd...  b bbb 
#3:   3  def...  c aaa 
#4:   4  efg...  d ccc 
#5:   5  fgh...  e bbb 
#6:   6  ghi...  a aaa 
#7:   7  hij...  b bbb 
#8:   8  ijk...  c aaa 
#9:   9  jkl...  d ccc 
#10:   10  klm...  e bbb

或者用dplyr

library(dplyr) 
left_join(main.df, classes.df, by='category')

一个base R选项是使用merge（会更慢）

merge(main.df, classes.df, by='category', all.x=TRUE)

来源

2014-11-15 07:05:45 akrun

谢谢你，Akrun。一些评论：1）data.table方法在这个例子中工作正常，但总是给我一个真正的数据集错误信息“错误在[.data.table'（main.df，classes.df）： x。 'serial'是一个字符列，它被连接到类型为'integer'的i.'ID'。字符列必须连接到因子或字符列。 2）基本R方法工作正常，但它取消不属于任何类别的行; 3）ply方法非常好：快速并且将NAs添加到不属于现有类别的行类。 – Sal

@Sal关于注释1），您能否显示'str（main.df）'和'str（classes.df）'，如果可能的话，您可以运行两个数据集的一小部分来检查错误是否存在。 2），你可能不得不在'merge'中使用'all = TRUE'。 – akrun

@Sal请将其粘贴在您的文章上。从评论中阅读有点困难。 – akrun

使用R中另一个数据帧的变量完成数据帧

回答

相关问题