193

我有一个我要合并的许多data.frames的列表 . 这里的问题是每个data.frame在行数和列数方面都有所不同，但它们都共享关键变量（我在下面的代码中称之为 "var1" 和 "var2" ） . 如果data.frames在列方面是相同的，我只能 rbind ，plyr的rbind.fill可以完成这项工作，但这些数据并非如此 .

因为 merge 命令仅适用于2个data.frames，所以我转向Internet寻求创意 . 我从here获得了这个，它在R 2.7.2中完美运行，这是我当时所拥有的：

merge.rec <- function(.list, ...){
    if(length(.list)==1) return(.list[[1]])
    Recall(c(list(merge(.list[[1]], .list[[2]], ...)), .list[-(1:2)]), ...)
}

我会像这样调用函数：

df <- merge.rec(my.list, by.x = c("var1", "var2"), 
                by.y = c("var1", "var2"), all = T, suffixes=c("", ""))

但是在2.7.2之后的任何R版本中，包括2.11和2.12，此代码失败并出现以下错误：

Error in match.names(clabs, names(xi)) : 
  names do not match previous names

（很明显，我看到其他对此错误的引用elsewhere没有解决方案） .

有什么方法可以解决这个问题吗？

6 回答

204

另一个问题具体问了how to perform multiple left joins using dplyr in R . 这个问题被标记为这个问题的副本，所以我在这里回答，使用下面的3个示例数据框：

library(dplyr)
x <- data_frame(i = c("a","b","c"), j = 1:3)
y <- data_frame(i = c("b","c","d"), k = 4:6)
z <- data_frame(i = c("c","d","a"), l = 7:9)

Update June 2018 ：我将答案分为三个部分，分别代表三种不同的方式来执行合并 . 如果您已经在使用 tidyverse 包，则可能需要使用 purrr 方式 . 为了进行比较，您将找到使用相同样本数据集的基本R版本 .

使用purrr包中的reduce加入它们

purrr 包提供了 reduce 函数，该函数具有简洁的语法：

library(tidyverse)
list(x, y, z) %>% reduce(left_join, by = "i")
#  A tibble: 3 x 4
#  i       j     k     l
#  <chr> <int> <int> <int>
# 1 a      1    NA     9
# 2 b      2     4    NA
# 3 c      3     5     7

您还可以执行其他连接，例如 full_join 或 inner_join ：

list(x, y, z) %>% reduce(full_join, by = "i")
# A tibble: 4 x 4
# i       j     k     l
# <chr> <int> <int> <int>
# 1 a     1     NA     9
# 2 b     2     4      NA
# 3 c     3     5      7
# 4 d     NA    6      8

list(x, y, z) %>% reduce(inner_join, by = "i")
# A tibble: 1 x 4
# i       j     k     l
# <chr> <int> <int> <int>
# 1 c     3     5     7

dplyr :: left_join（）with base R Reduce（）

list(x,y,z) %>%
    Reduce(function(dtf1,dtf2) left_join(dtf1,dtf2,by="i"), .)

#   i j  k  l
# 1 a 1 NA  9
# 2 b 2  4 NA
# 3 c 3  5  7

Base R merge（）与base R Reduce（）

为了进行比较，这里是左连接的基本R版本

Reduce(function(dtf1, dtf2) merge(dtf1, dtf2, by = "i", all.x = TRUE),
        list(x,y,z))
#   i j  k  l
# 1 a 1 NA  9
# 2 b 2  4 NA
# 3 c 3  5  7

回复于 2024-05-04T07:07:45+08:00

减少使这相当容易：

merged.data.frame = Reduce(function(...) merge(..., all=T), list.of.data.frames)

这是使用一些模拟数据的完整示例：

set.seed(1)
list.of.data.frames = list(data.frame(x=1:10, a=1:10), data.frame(x=5:14, b=11:20), data.frame(x=sample(20, 10), y=runif(10)))
merged.data.frame = Reduce(function(...) merge(..., all=T), list.of.data.frames)
tail(merged.data.frame)
#    x  a  b         y
#12 12 NA 18        NA
#13 13 NA 19        NA
#14 14 NA 20 0.4976992
#15 15 NA NA 0.7176185
#16 16 NA NA 0.3841037
#17 19 NA NA 0.3800352

这是一个使用these data复制 my.list 的示例：

merged.data.frame = Reduce(function(...) merge(..., by=match.by, all=T), my.list)
merged.data.frame[, 1:12]

#  matchname party st district chamber senate1993 name.x v2.x v3.x v4.x senate1994 name.y
#1   ALGIERE   200 RI      026       S         NA   <NA>   NA   NA   NA         NA   <NA>
#2     ALVES   100 RI      019       S         NA   <NA>   NA   NA   NA         NA   <NA>
#3    BADEAU   100 RI      032       S         NA   <NA>   NA   NA   NA         NA   <NA>

注意：看起来这可能是 merge 中的一个错误 . 问题是没有检查添加后缀（处理重叠的非匹配名称）实际上使它们唯一 . 在某一点上，它使用 [.data.frame ，这会使 make.unique 成为名称，导致 rbind 失败 .

# first merge will end up with 'name.x' & 'name.y'
merge(my.list[[1]], my.list[[2]], by=match.by, all=T)
# [1] matchname    party        st           district     chamber      senate1993   name.x      
# [8] votes.year.x senate1994   name.y       votes.year.y
#<0 rows> (or 0-length row.names)
# as there is no clash, we retain 'name.x' & 'name.y' and get 'name' again
merge(merge(my.list[[1]], my.list[[2]], by=match.by, all=T), my.list[[3]], by=match.by, all=T)
# [1] matchname    party        st           district     chamber      senate1993   name.x      
# [8] votes.year.x senate1994   name.y       votes.year.y senate1995   name         votes.year  
#<0 rows> (or 0-length row.names)
# the next merge will fail as 'name' will get renamed to a pre-existing field.

最简单的修复方法是不将字段重命名为重复字段（其中有很多字段），最多为 merge . 例如：

my.list2 = Map(function(x, i) setNames(x, ifelse(names(x) %in% match.by,
      names(x), sprintf('%s.%d', names(x), i))), my.list, seq_along(my.list))

然后 merge / Reduce 将正常工作 .

回复于 2024-05-04T07:07:45+08:00

98
您可以使用 reshape 包中的 merge_all 来执行此操作 . 您可以使用 ... 参数将参数传递给 merge
```
reshape::merge_all(list_of_dataframes, ...)
```
Here is an excellent resource on different methods to merge data frames .
回复于 2024-05-04T07:07:45+08:00

您可以使用递归来执行此操作 . 我没有验证以下内容，但它应该给你正确的想法：

MergeListOfDf = function( data , ... )
{
    if ( length( data ) == 2 ) 
    {
        return( merge( data[[ 1 ]] , data[[ 2 ]] , ... ) )
    }    
    return( merge( MergeListOfDf( data[ -1 ] , ... ) , data[[ 1 ]] , ... ) )
}

回复于 2024-05-04T07:07:45+08:00

我将重用@PaulRougieux中的数据示例

x <- data_frame(i = c("a","b","c"), j = 1:3)
y <- data_frame(i = c("b","c","d"), k = 4:6)
z <- data_frame(i = c("c","d","a"), l = 7:9)

这是一个简短而甜蜜的解决方案，使用 purrr 和 tidyr

library(tidyverse)

 list(x, y, z) %>% 
  map_df(gather, key=key, value=value, -i) %>% 
  spread(key, value)

回复于 2024-05-04T07:07:45+08:00

我有一个没有公共id列的数据帧列表 .
我在许多dfs上丢失了数据 . 有Null值 . 数据帧是使用表函数生成的 . Reduce，Merging，rbind，rbind.fill等他们无法帮助我实现目标 . 我的目标是产生一个可理解的合并数据帧，与缺失的数据和常见的id列无关 .

因此，我做了以下功能 . 也许这个功能可以帮助别人 .

##########################################################
####             Dependencies                        #####
##########################################################

# Depends on Base R only

##########################################################
####             Example DF                          #####
##########################################################

# Example df
ex_df           <- cbind(c( seq(1, 10, 1), rep("NA", 0), seq(1,10, 1) ), 
                         c( seq(1, 7, 1),  rep("NA", 3), seq(1, 12, 1) ), 
                         c( seq(1, 3, 1),  rep("NA", 7), seq(1, 5, 1), rep("NA", 5) ))

# Making colnames and rownames
colnames(ex_df) <- 1:dim(ex_df)[2]
rownames(ex_df) <- 1:dim(ex_df)[1]

# Making an unequal list of dfs, 
# without a common id column
list_of_df      <- apply(ex_df=="NA", 2, ( table) )

它遵循的功能

##########################################################
####             The function                        #####
##########################################################


# The function to rbind it
rbind_null_df_lists <- function ( list_of_dfs ) {
  length_df     <- do.call(rbind, (lapply( list_of_dfs, function(x) length(x))))
  max_no        <- max(length_df[,1])
  max_df        <- length_df[max(length_df),]
  name_df       <- names(length_df[length_df== max_no,][1])
  names_list    <- names(list_of_dfs[ name_df][[1]])

  df_dfs <- list()
  for (i in 1:max_no ) {

    df_dfs[[i]]            <- do.call(rbind, lapply(1:length(list_of_dfs), function(x) list_of_dfs[[x]][i]))

  }

  df_cbind               <- do.call( cbind, df_dfs )
  rownames( df_cbind )   <- rownames (length_df)
  colnames( df_cbind )   <- names_list

  df_cbind

}

运行示例

##########################################################
####             Running the example                 #####
##########################################################

rbind_null_df_lists ( list_of_df )

回复于 2024-05-04T07:07:45+08:00

同时合并列表中的多个data.frames

6 回答

使用purrr包中的reduce加入它们

dplyr :: left_join（）with base R Reduce（）

Base R merge（）与base R Reduce（）

相关问题