合并数据帧，同时对R中的公共列进行求和

Question

我的问题与张贴的here非常相似。

不同之处在于他们知道将会发生冲突的列，而我需要一种不会事先知道哪些列发生冲突的通用方法。

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，并因此被施加到表A无论匹配的日期，关于时间的所有字段。

我想合并总结冲突列进1结果应该是这样的：

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 

在我的标准合并只是创建“ColumnA.x”的重复列的那一刻，“ColumnA .y“，”ColumnB.x“，”ColumnB.y“。

任何帮助深表感谢

Answer 1

如果我理解正确，您需要一个灵活的方法，不需要知道除了要合并的列和要保留的列之外，每个表中存在哪些列。这可能不是最完美的解决方案，但在这里是为了满足您的需求为例功能：

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) 
} 

此函数假设你有一个表” .df1' 这是各种各样的高手，你要合并具有匹配'.df1'中的一个或多个行的行的第二个'.df2'表中的数据。从主表'.df1'保留的列被接受为数组'.id_Columns'，并且提供用于合并两个表的匹配的列被接受为数组。'match_Columns'

对于您的示例，它的工作是这样的：

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 

在简单的语言，该功能首先找到唯一列的总数量，使在主表中的形状的空数据帧” .df1' 以后保持合并数据。然后，对于'.id_Columns'，将数据从'.df1'复制到新的合并数据帧中。对于其他列，存在于'中的任何数据。'.df2'中的任何现有数据都添加了'df1'，其中'.df2'中的行基于'.match_Columns'匹配。

可能有一些软件包做类似的操作，但大多数他们需要了解所有现有的专栏以及如何对待它们。正如我之前所说，这不是最优雅的解决方案，但它灵活而准确。

更新：原始函数假设table1和table2之间存在多对一关系，并且OP也请求允许多对一关系。该代码已被更新，但效率稍低，但灵活性更高100％。

Answer 2

一个data.table解决方案：

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 

我不知道为什么把右端ColumnC分配抛出这个错误。也许MatthewDowle可以解释这个错误的原因。从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混合添加新的与更新现有列到一个:=（）由基;即
DT[,：= (existingCol=...,newCol=...), by=...]
现在可以正常工作，或者 段错误，＃2778和＃2528。非常感谢Arun报告具有可重复性的例子。添加了测试。