使用另一个表中的数据连接并覆盖一个表中的数据

Question

如何连接和覆盖数据似乎是一个常见请求，但我还没有找到适用于整个数据集的优雅解决方案。 （注意：为了简化数据，我将只使用1和NAs作为值和列的一小部分，但实际上我有几百个具有不同值的列）。

我有一个数据表（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] 

而且我有一个包含额外的列以及从D1现有列丢失的数据点的另一个数据表（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+覆盖D1与D2中的所有数据，确保课程的名字，以匹配ID和列的行，如下图所示。

> 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这一点，如果你只想在D1更新NA值，也就是确保现有的非NA值不会被覆盖。 （为了使这更容易可视化，我将包含1和0的新表）。

例如，如果我们已经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 ] 

我们想加入d2和只覆盖港定居人士获得：

> 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 

仅供参考，下面是一些其他职位解决这个问题，但只一个或两个栏目。我正在寻找的解决方案应该允许一个表中的数据被许多（如果不是全部）另一个表中的列覆盖。

Merge data frames and overwrite values

Merge two data frame and replace the NA value in R

一个data.table为基础的解决方案是首选，但其他人的欢迎。

Answer 1

library("dplyr") 

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

该解决方案从d1取行时，不在d2，然后添加到他们的d2行。

这不适用于'其他场景'，这看起来更加混乱以解决，也许应该是一个单独的问题。

Answer 2

这里是@弗兰克的解决方案从评论。 （注意：首先需要将d1和d2定义为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决方案是一个坏主意一般来说。如果ids出现多次或以不同的顺序，它会做错误的事情。

D1 [以％D2的$ id D1的$ id％，名称（D2）：= D2]

Answer 3

我认为这是最简单的去长型：

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

然后你就可以堆叠起来，并采取最新值：

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

我也想知道如何可以做到这一点，如果你只是想更新的NA值[ d3]，即确保现有的非NA值不被覆盖。

您可以从更新表，md2排除行，如果他们出现在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，如果有必要回到宽幅，例如，dcast(res3, id ~ ...)。