Hanno un valore di ritorno nomatch poiché utilizza la funzione di corrispondenza in R

Question

Ho un dataframe esistente molto più grande. Per questo esempio più piccolo vorrei sostituire alcune delle variabili (sostituire lo stato (df1)) con newstate (df2) in base alla colonna "first". Il mio problema è che i valori vengono restituiti come NA poiché solo alcuni nomi sono abbinati nel nuovo dataframe (df2).

dataframe esistente:

state = c("CA","WA","OR","AZ") 
first = c("Jim","Mick","Paul","Ron") 
df1 <- data.frame(first, state) 

     first state 
    1 Jim CA 
    2 Mick WA 
    3 Paul OR 
    4 Ron AZ 

Nuovo dataframe da abbinare a dataframe esistente

state = c("CA","WA") 
newstate = c("TX", "LA") 
first =c("Jim","Mick") 
df2 <- data.frame(first, state, newstate) 

    first state newstate 
1 Jim CA  TX 
2 Mick WA  LA 

provato ad usare partita, ma restituisce NA per "stato" in cui un matching "prima" variabile da DF2 non è trovato nel dataframe originale.

df1$state <- df2$newstate[match(df1$first, df2$first)] 

    first state 
1 Jim TX 
2 Mick LA 
3 Paul <NA> 
4 Ron <NA> 

Esiste un modo per ignorare NoMatch o hanno NoMatch restituire la variabile esistente così com'è? Questo sarebbe un esempio del risultato desiderato: gli stati di Jim/Mick vengono aggiornati mentre lo stato di Paul e Ron non cambiano.

 first state 
    1 Jim TX 
    2 Mick LA 
    3 Paul OR 
    4 Ron AZ 

Answer 1

È questo quello che vuoi; BTW a meno che tu non voglia veramente lavorare con i fattori, usa stringsAsFactors = FALSE nella tua chiamata data.frame. Si noti l'uso di nomatch = 0 nella chiamata di corrispondenza.

> state = c("CA","WA","OR","AZ") 
> first = c("Jim","Mick","Paul","Ron") 
> df1 <- data.frame(first, state, stringsAsFactors = FALSE) 
> state = c("CA","WA") 
> newstate = c("TX", "LA") 
> first =c("Jim","Mick") 
> df2 <- data.frame(first, state, newstate, stringsAsFactors = FALSE) 
> df1 
    first state 
1 Jim CA 
2 Mick WA 
3 Paul OR 
4 Ron AZ 
> df2 
    first state newstate 
1 Jim CA  TX 
2 Mick WA  LA 
> 
> # create an index for the matches 
> indx <- match(df1$first, df2$first, nomatch = 0) 
> df1$state[indx != 0] <- df2$newstate[indx] 
> df1 
    first state 
1 Jim TX 
2 Mick LA 
3 Paul OR 
4 Ron AZ 

Answer 2

library(data.table) 
DT1 <- as.data.table(df1) 
DT2 <- as.data.table(df2) 


setkey(DT1, first, state) 
setkey(DT2, first, state) 

DT1[DT2] 
# first state newstate 
# 1: Jim CA  TX 
# 2: Mick WA  LA 

---

noti che [.data.table ha anche un nomatch argomento, vale a dire:

DT2[DT1, nomatch=0] 
# first state newstate 
# 1: Jim CA  TX 
# 2: Mick WA  LA 

DT2[DT1, nomatch=NA] 
# first state newstate 
# 1: Jim CA  TX 
# 2: Mick WA  LA 
# 3: Paul OR  NA 
# 4: Ron AZ  NA 

---

Answer 3

penso si otterrà una migliore comportamento con vettori di carattere che con fattori.

> df1 <- data.frame(first, state,stringsAsFactors=FALSE) 
> state = c("CA","WA") 
> newstate = c("TX", "LA") 
> first =c("Jim","Mick") 
> df2 <- data.frame(first, state, newstate, stringsAsFactors=FALSE) 
> df1[ match(df2$first, df1$first), "state"] <- df2$newstate 
> df1 
    first state 
1 Jim TX 
2 Mick LA 
3 Paul OR 
4 Ron AZ