列の異なるセットがある場合、2つのデータフレームを行ごとに結合（rbind）

232

同じ列のセットを持たない2つのデータフレームを行バインドすることは可能ですか？バインド後に一致しない列を保持したいと考えています。

r  dataframe  r-faq 
— Btibert3
ソース

回答:

124

より最近のソリューションは、使用することがあるdplyrのbind_rows私は、より効率的であると仮定機能をsmartbind。

df1 <- data.frame(a = c(1:5), b = c(6:10))
df2 <- data.frame(a = c(11:15), b = c(16:20), c = LETTERS[1:5])
dplyr::bind_rows(df1, df2)
    a  b    c
1   1  6 <NA>
2   2  7 <NA>
3   3  8 <NA>
4   4  9 <NA>
5   5 10 <NA>
6  11 16    A
7  12 17    B
8  13 18    C
9  14 19    D
10 15 20    E
— シャオダイ
ソース
多数のデータフレーム（16）を異なる列名と組み合わせようとしていますこれを試すとエラーが発生しますエラー：列ABCを文字から数値に変換できません。最初に列を変換する方法はありますか？
— sar
46

パッケージsmartbindからお使いいただけgtoolsます。

例：

library(gtools)
df1 <- data.frame(a = c(1:5), b = c(6:10))
df2 <- data.frame(a = c(11:15), b = c(16:20), c = LETTERS[1:5])
smartbind(df1, df2)
# result
     a  b    c
1.1  1  6 <NA>
1.2  2  7 <NA>
1.3  3  8 <NA>
1.4  4  9 <NA>
1.5  5 10 <NA>
2.1 11 16    A
2.2 12 17    B
2.3 13 18    C
2.4 14 19    D
2.5 15 20    E
— Neilfws
ソース
3
smartbind2つの大きなデータフレーム（合計で約3 * 10 ^ 6行）を試し、10分後に中止しました。
— ジョー
2
9年間で多くのことが起こりました:)今日、スマートバインドを使用しない可能性があります。また、元の質問では大きなデータフレームが指定されていなかったことにも注意してください。
— neilfws
37

の代替data.table：

library(data.table)
df1 = data.frame(a = c(1:5), b = c(6:10))
df2 = data.frame(a = c(11:15), b = c(16:20), c = LETTERS[1:5])
rbindlist(list(df1, df2), fill = TRUE)

rbinddata.tableオブジェクトがオブジェクトに変換されている限り動作しdata.tableますので、

rbind(setDT(df1), setDT(df2), fill=TRUE)

この状況でも機能します。これは、いくつかのdata.tablesがあり、リストを作成したくない場合に適しています。

— クダウリア
ソース
これは、すべてを個別のリスト要素に格納できるため、任意の数のデータフレームに簡単に一般化できる、最もシンプルですぐに使用できるソリューションです。intersectアプローチのような他の答えは、2つのデータフレームに対してのみ機能し、簡単に一般化できません。
— リッチパルー
35

基本Rの回答のほとんどは、1つのdata.frameだけに追加の列がある状況、または結果のdata.frameに列の共通部分がある状況に対処します。OPは、bindの後で一致しない列を保持することを望んでいると書いているので、この問題に対処するためにベースRメソッドを使用する回答は、おそらく投稿する価値があります。

以下に、2つの基本Rメソッドを示します。1つは元のdata.framesを変更し、もう1つは変更しません。さらに、非破壊的な方法を3つ以上のdata.framesに一般化する方法を提供します。

まず、サンプルデータを取得します。

# sample data, variable c is in df1, variable d is in df2
df1 = data.frame(a=1:5, b=6:10, d=month.name[1:5])
df2 = data.frame(a=6:10, b=16:20, c = letters[8:12])

2つのdata.frames、オリジナルの変更
両方のdata.framesからのすべての列を保持するためにrbind（そしてエラーが発生せずに関数が機能できるようにするために）、該当する欠落した名前が入力されたNA列を各data.frameに追加します。を使用してsetdiff。

# fill in non-overlapping columns with NAs
df1[setdiff(names(df2), names(df1))] <- NA
df2[setdiff(names(df1), names(df2))] <- NA

今、rbind-em

rbind(df1, df2)
    a  b        d    c
1   1  6  January <NA>
2   2  7 February <NA>
3   3  8    March <NA>
4   4  9    April <NA>
5   5 10      May <NA>
6   6 16     <NA>    h
7   7 17     <NA>    i
8   8 18     <NA>    j
9   9 19     <NA>    k
10 10 20     <NA>    l

最初の2行が元のdata.frames、df1とdf2を変更し、列の完全なセットを両方に追加することに注意してください。

2つのdata.frames、元のデータ
を変更しない元のdata.framesをそのままにするには、最初に異なる名前をループし、を使用してdata.frameを含むリストに連結されたNAの名前付きベクトルを返しcます。次に、data.frame結果をの適切なdata.frame に変換しrbindます。

rbind(
  data.frame(c(df1, sapply(setdiff(names(df2), names(df1)), function(x) NA))),
  data.frame(c(df2, sapply(setdiff(names(df1), names(df2)), function(x) NA)))
)

多くのdata.frames、オリジナルを変更しない3
つ以上のdata.framesがあるインスタンスでは、以下を実行できます。

# put data.frames into list (dfs named df1, df2, df3, etc)
mydflist <- mget(ls(pattern="df\\d+"))
# get all variable names
allNms <- unique(unlist(lapply(mydflist, names)))

# put em all together
do.call(rbind,
        lapply(mydflist,
               function(x) data.frame(c(x, sapply(setdiff(allNms, names(x)),
                                                  function(y) NA)))))

元のdata.framesの行名を表示しないほうがいいかもしれません。その後、これを行います。

do.call(rbind,
        c(lapply(mydflist,
                 function(x) data.frame(c(x, sapply(setdiff(allNms, names(x)),
                                                    function(y) NA)))),
          make.row.names=FALSE))
— lmo
ソース
16のデータフレームがあり、一部には異なる列があります（それぞれ約70-90の合計列）。これを試すと、最初のコマンド<-mget（ls（pattern = "df \\ d +"））で行き詰まります。データフレームの名前が異なります。mydflist <-c（as、dr、kr、hyt、ed1、of）を使用してリストを作成しようとしましたが、これは膨大なリストを与えてくれました。
— sar
@GKiにリンクするだけ
— sar
1
@sarの使用mydflist <- list(as, dr, kr, hyt, ed1, of)。これにより、環境のサイズが大きくならないリストオブジェクトが作成されますが、リストの各要素をポイントするだけです（後で内容を変更しない限り）。操作の後、念のため、リストオブジェクトを削除してください。
— lmo
20

また、一般的な列名を取り出すこともできます。 

> cols <- intersect(colnames(df1), colnames(df2))
> rbind(df1[,cols], df2[,cols])
— ジョナサン・チャン
ソース
6

私はコードが何かが間違っているかどうかを教えてくれるので、これを行う関数を書きました。この関数は、一致しない列名と型の不一致があるかどうかを明示的に通知します。次に、とにかくdata.framesを組み合わせることに最善を尽くします。制限は、一度に2つのdata.frameしか結合できないことです。

### combines data frames (like rbind) but by matching column names
# columns without matches in the other data frame are still combined
# but with NA in the rows corresponding to the data frame without
# the variable
# A warning is issued if there is a type mismatch between columns of
# the same name and an attempt is made to combine the columns
combineByName <- function(A,B) {
    a.names <- names(A)
    b.names <- names(B)
    all.names <- union(a.names,b.names)
    print(paste("Number of columns:",length(all.names)))
    a.type <- NULL
    for (i in 1:ncol(A)) {
        a.type[i] <- typeof(A[,i])
    }
    b.type <- NULL
    for (i in 1:ncol(B)) {
        b.type[i] <- typeof(B[,i])
    }
    a_b.names <- names(A)[!names(A)%in%names(B)]
    b_a.names <- names(B)[!names(B)%in%names(A)]
    if (length(a_b.names)>0 | length(b_a.names)>0){
        print("Columns in data frame A but not in data frame B:")
        print(a_b.names)
        print("Columns in data frame B but not in data frame A:")
        print(b_a.names)
    } else if(a.names==b.names & a.type==b.type){
        C <- rbind(A,B)
        return(C)
    }
    C <- list()
    for(i in 1:length(all.names)) {
        l.a <- all.names[i]%in%a.names
        pos.a <- match(all.names[i],a.names)
        typ.a <- a.type[pos.a]
        l.b <- all.names[i]%in%b.names
        pos.b <- match(all.names[i],b.names)
        typ.b <- b.type[pos.b]
        if(l.a & l.b) {
            if(typ.a==typ.b) {
                vec <- c(A[,pos.a],B[,pos.b])
            } else {
                warning(c("Type mismatch in variable named: ",all.names[i],"\n"))
                vec <- try(c(A[,pos.a],B[,pos.b]))
            }
        } else if (l.a) {
            vec <- c(A[,pos.a],rep(NA,nrow(B)))
        } else {
            vec <- c(rep(NA,nrow(A)),B[,pos.b])
        }
        C[[i]] <- vec
    }
    names(C) <- all.names
    C <- as.data.frame(C)
    return(C)
}
2

多分私はあなたの質問を完全に誤解しているかもしれませんが、「バインド後に一致しない列を保持したいと思っています」と、あなたはSQLクエリleft joinまたはright joinそれに類似したクエリを探していると思います。Rには、mergeSQLでのテーブルの結合と同様に、左、右、または内部結合を指定できる関数があります。

このトピックにはすでに素晴らしい質問と回答があります：データフレームを結合（マージ）する方法（内側、外側、左、右）？

— 追跡
ソース
2

gtools / smartbindは、おそらくそれがas.vectoringだったために、Datesでの作業を好まなかった。これが私の解決策です...

sbind = function(x, y, fill=NA) {
    sbind.fill = function(d, cols){ 
        for(c in cols)
            d[[c]] = fill
        d
    }

    x = sbind.fill(x, setdiff(names(y),names(x)))
    y = sbind.fill(y, setdiff(names(x),names(y)))

    rbind(x, y)
}
— アーロン
ソース
rbind（x、y）の代わりにdplyr :: bind_rows（x、y）を使用すると、最初のデータフレームに基づいて列の順序が保持されます。
— RanonKahn
2

ドキュメントのためだけに。次の形式でStackライブラリとその機能を試すことができStackます。

Stack(df_1, df_2)

大きなデータセットについては、他の方法よりも高速であるという印象もあります。

— クロマグノン
ソース
1

を使用することもできますsjmisc::add_rows()。これはdplyr::bind_rows()、属性を保持しますが、これとは異なりbind_rows()、ラベル付きデータにadd_rows()役立ちます。

ラベル付きデータセットを使用した次の例を参照してください。- frq()関数は、データにラベルが付けられている場合、値ラベル付きの頻度表を出力します。

library(sjmisc)
library(dplyr)

data(efc)
# select two subsets, with some identical and else different columns
x1 <- efc %>% select(1:5) %>% slice(1:10)
x2 <- efc %>% select(3:7) %>% slice(11:20)

str(x1)
#> 'data.frame':    10 obs. of  5 variables:
#>  $ c12hour : num  16 148 70 168 168 16 161 110 28 40
#>   ..- attr(*, "label")= chr "average number of hours of care per week"
#>  $ e15relat: num  2 2 1 1 2 2 1 4 2 2
#>   ..- attr(*, "label")= chr "relationship to elder"
#>   ..- attr(*, "labels")= Named num  1 2 3 4 5 6 7 8
#>   .. ..- attr(*, "names")= chr  "spouse/partner" "child" "sibling" "daughter or son -in-law" ...
#>  $ e16sex  : num  2 2 2 2 2 2 1 2 2 2
#>   ..- attr(*, "label")= chr "elder's gender"
#>   ..- attr(*, "labels")= Named num  1 2
#>   .. ..- attr(*, "names")= chr  "male" "female"
#>  $ e17age  : num  83 88 82 67 84 85 74 87 79 83
#>   ..- attr(*, "label")= chr "elder' age"
#>  $ e42dep  : num  3 3 3 4 4 4 4 4 4 4
#>   ..- attr(*, "label")= chr "elder's dependency"
#>   ..- attr(*, "labels")= Named num  1 2 3 4
#>   .. ..- attr(*, "names")= chr  "independent" "slightly dependent" "moderately dependent" "severely dependent"

bind_rows(x1, x1) %>% frq(e42dep)
#> 
#> # e42dep <numeric> 
#> # total N=20  valid N=20  mean=3.70  sd=0.47
#>  
#>   val frq raw.prc valid.prc cum.prc
#>     3   6      30        30      30
#>     4  14      70        70     100
#>  <NA>   0       0        NA      NA

add_rows(x1, x1) %>% frq(e42dep)
#> 
#> # elder's dependency (e42dep) <numeric> 
#> # total N=20  valid N=20  mean=3.70  sd=0.47
#>  
#>  val                label frq raw.prc valid.prc cum.prc
#>    1          independent   0       0         0       0
#>    2   slightly dependent   0       0         0       0
#>    3 moderately dependent   6      30        30      30
#>    4   severely dependent  14      70        70     100
#>   NA                   NA   0       0        NA      NA
— ダニエル
ソース
-1 
rbind.ordered=function(x,y){

  diffCol = setdiff(colnames(x),colnames(y))
  if (length(diffCol)>0){
    cols=colnames(y)
    for (i in 1:length(diffCol)) y=cbind(y,NA)
    colnames(y)=c(cols,diffCol)
  }

  diffCol = setdiff(colnames(y),colnames(x))
  if (length(diffCol)>0){
    cols=colnames(x)
    for (i in 1:length(diffCol)) x=cbind(x,NA)
    colnames(x)=c(cols,diffCol)
  }
  return(rbind(x, y[, colnames(x)]))
}
— RockScience
ソース
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.