#r #dataframe #merge #match
Вопрос:
Я хотел бы попросить о помощи!
Я пытаюсь добавить новый столбец «TotalSasaran» в свой первый фрейм данных «набор данных» с 5000 строками
| Тангал | Диваксин1 | Диваксин2 | Всего Диваксин | Provinsi |
|---|---|---|---|---|
| 2-1-2021 | 1 | 2 | 3 | Ачех |
| 5-1-2021 | 1 | 2 | 3 | Ачех |
| 2-1-2021 | 2 | 2 | 3 | Бали |
| 4-1-2021 | 2 | 2 | 3 | Бали |
| 3-1-201 | 3 | 1 | 4 | Jakarta |
| 6-1-201 | 3 | 1 | 4 | Jakarta |
structure(list(tanggal = structure(1:6, .Label = c("2021-01-15",
"2021-01-17", "2021-01-18", "2021-01-19", "2021-01-20", "2021-01-21",
"2021-01-22", "2021-01-23", "2021-01-24", "2021-01-25", "2021-01-26",
"2021-01-27", "2021-01-28", "2021-01-29", "2021-01-30", "2021-01-31",
"2021-02-01", "2021-02-02", "2021-02-03", "2021-02-04", "2021-02-05",
"2021-02-06", "2021-02-07", "2021-02-08", "2021-02-09", "2021-02-10",
"2021-02-11", "2021-02-12", "2021-02-13", "2021-02-14", "2021-02-15",
"2021-02-16", "2021-02-17", "2021-02-18", "2021-02-19", "2021-02-20",
"2021-02-21", "2021-02-22", "2021-02-23", "2021-02-24", "2021-02-25",
"2021-02-26", "2021-02-27", "2021-02-28", "2021-03-01", "2021-03-02",
"2021-03-03", "2021-03-04", "2021-03-05", "2021-03-06", "2021-03-07",
"2021-03-08", "2021-03-09", "2021-03-10", "2021-03-11", "2021-03-12",
"2021-03-13", "2021-03-14", "2021-03-15", "2021-03-16", "2021-03-17",
"2021-03-18", "2021-03-19", "2021-03-20", "2021-03-21", "2021-03-22",
"2021-03-23", "2021-03-24", "2021-03-25", "2021-03-26", "2021-03-27",
"2021-03-28", "2021-03-29", "2021-03-30", "2021-03-31", "2021-04-01",
"2021-04-02", "2021-04-03", "2021-04-04", "2021-04-05", "2021-04-06",
"2021-04-07", "2021-04-08", "2021-04-09", "2021-04-10", "2021-04-11",
"2021-04-12", "2021-04-13", "2021-04-14", "2021-04-15", "2021-04-16",
"2021-04-17", "2021-04-18", "2021-04-19", "2021-04-20", "2021-04-21",
"2021-04-22", "2021-04-23", "2021-04-24", "2021-04-25", "2021-04-26",
"2021-04-27", "2021-04-28", "2021-04-29", "2021-04-30", "2021-05-01",
"2021-05-02", "2021-05-03", "2021-05-04", "2021-05-05", "2021-05-06",
"2021-05-07", "2021-05-08", "2021-05-09", "2021-05-10", "2021-05-11",
"2021-05-12", "2021-05-13", "2021-05-14", "2021-05-17", "2021-05-18",
"2021-05-19", "2021-05-20", "2021-05-21", "2021-05-22", "2021-05-23",
"2021-05-24", "2021-05-25", "2021-05-26", "2021-05-27", "2021-05-28",
"2021-05-29", "2021-05-30", "2021-05-31", "2021-06-01", "2021-06-02",
"2021-06-03", "2021-06-04", "2021-06-05", "2021-06-06", "2021-06-07",
"2021-06-08", "2021-06-09", "2021-06-10", "2021-01-13", "2021-01-14",
"2021-01-16", "2021-05-15", "2021-05-16"), class = "factor"),
divaksin_1 = c(35, 1, 13, 16, 36, 42), divaksin_2 = c(0,
0, 0, 0, 0, 0), total_divaksin = c(35, 1, 13, 16, 36, 42),
Provinsi = c("Aceh", "Aceh", "Aceh", "Aceh", "Aceh", "Aceh"
)), row.names = c(NA, 6L), class = "data.frame")
основываясь на значении в моем втором df «Total_Sasaran», содержащем всего 34 строки.
| Provinsi | Всего Сасаран |
|---|---|
| Ачех | 1000 |
| Бали | 1500 |
| Jakarta | 2000 |
structure(list(Provinsi = c("ACEH", "BALI", "BANTEN", "BENGKULU",
"DKI JAKARTA", "GORONTALO"), TotalSasaran = c(3898726, 2860037,
8838393, 1327824, 8815157, 784727)), row.names = c(NA, -6L), class = c("tbl_df",
"tbl", "data.frame"))
Оба кадра данных имеют столбец идентификатора «Provinsi». Я надеюсь, что R сможет идентифицировать набор данных$Provinsi и сопоставить его с Total_Sasaran$Provinsi, чтобы получить значение TotalSasaran для каждой строки в наборе данных.
Я перепробовал несколько кодов, но не вернул ожидаемый результат 1-я пробная версия кода
dataset$TotalSasaran<-Total_Sasaran$TotalSasaran[match(dataset$Provinsi,Total_Sasaran$Provinsi)]
2-й код:
dataset$TotalSasaran <- Total_Sasaran$TotalSasaran[Total_Sasaran$Provinsi %in% dataset$Provinsi]
3-й код:
dataset2<-inner_join(dataset,Total_Sasaran, by="Provinsi")
Это возвращает 0 наблюдений, в кадре данных не было данных, я убедился, что классы совпадали, «Провинси» в качестве факторов и «Итоговые данные» в качестве числовых
4-е
dataset2<-merge(dataset, Total_Sasaran, by="Provinsi", all.x=TRUE)
Это возвращает весь столбец ‘TotalSasaran’ в виде NA
Комментарии:
1. Попробуйте
inner_joinизdplyrпакге2.Я попытался использовать inner_join:
dataset2<-merge(dataset, Total_Sasaran[, c("Provinsi", "TotalSasaran")], by="Provinsi", all.x=TRUE)dataset2<-merge(dataset, Total_Sasaran, by="Provinsi", all.x=TRUE)но он возвращает столбец «TotalSasaran» как NA. Что-то не так? Я убедился, что все классы были подобраны.3. Вы пробовали
merge(dataset, Total_Sasaran)?4.Да, я сделал это,
dataset2<-merge(dataset, Total_Sasaran[, c("Provinsi", "TotalSasaran")], by="Provinsi", all.x=TRUE)dataset2<-merge(dataset, Total_Sasaran, by="Provinsi", all.x=TRUE)но он, к сожалению, вернул колонку как NA…5. Совпадает ли
Provinsiстолбец вdatasetточности с тем изTotal_Sasaran? Есть ли в них какие-либо пробелы? Вы можете удалить пробелы сtrimwsпомощью . Было бы легче помочь, если бы вы предоставилиdput(head(dataset))иdput(head(Total_Sasaran[, c("Provinsi", "TotalSasaran")]))
Ответ №1:
В обоих случаях данные не совпадают, один-верхний регистр, а другой — нижний регистр. R чувствителен к регистру, поэтому либо измените один из фреймов данных, а затем сделайте merge это .
df1$Provinsi <- toupper(df1$Provinsi)
result <- merge(df1, df2)
Комментарии:
1. Спасибо!!! Я не знал, что это будет чувствительно к регистру.
Ответ №2:
Первая проблема, которую необходимо решить, заключается в том, что «Провинси» в этих двух data.frame не имеют никаких совпадающих значений: в 1. у вас есть Aceh в 2. у вас есть ACEH . Это не один и тот же случай.
Вы можете либо преобразовать вход Aceh в dataset верхний
dataset$Provinsi = toupper(dataset$Provinsi)
или преобразовать ACEH etc в Total_Saran регистр заголовка или в регистр предложения (https://stringr.tidyverse.org/reference/case.html):
library(stringr)
Total_Saran = Total_Saran%>%
mutate(Provinsi = str_to_title(Provinsi))
Не делай и того, и другого! Затем присоединяйтесь к этим двум с left_join :
library(dplyr)
df3 = left_join(dataset,Total_Saran)