我有两个数据集正在尝试合并。它们不是完整的数据集，因此这意味着个人缺少记录。
这里是data1(示例是我的真实数据的子集(：
squirrel_id age ageclass trialdate year OFT1 MIS1
10342 1 Y 2008-05-19 2008 0.605 -4.19
10342 2 A 2009-05-31 2009 -1.85 1.14
10342 3 A 2010-05-22 2010 -2.39 2.38
这里是data2(示例是我的真实数据的子集(：
squirrel_id focal_age focal_ageclass focal_date focal_yr PC1 PC2
10342 1 Y 2008-07-14 2008 0.0932 -2.67
10342 3 A 2010-03-13 2010 -2.38 0.216
10342 3 A 2010-04-20 2010 0.0203 1.80
我试着做两件事：
- 合并这两个数据集，以便在记录不完整时保留NA(即，
data1在age==3有1条记录，而data2在age==3有2条记录( - 合并列以使数据集更加精简(即，数据集中具有不同名称的列表示相同的内容：
age==focal_age、ageclass==focal_ageclass、trialnumber==focalseq、ageclass==focal_ageclass、year==focal_yr(
所需输出-我正在尝试获得一个最终的数据集，它看起来像这样(其中对于age==3，data1记录只显示一次，而不是两次(：
squirrel_id age ageclass date year OFT1 MIS1 PC1 PC2
10342 1 Y 2008-05-19 2008 0.605 -4.19 NA NA
10342 1 Y 2008-07-14 2008 NA NA 0.0932 -2.67
10342 2 A 2009-05-31 2009 -1.85 1.14 NA NA
10342 3 A 2010-05-22 2010 -2.39 2.38 NA NA
10342 3 A 2010-03-13 2010 NA NA -2.38 0.216
10342 3 A 2010-04-20 2010 NA NA 0.0203 1.80
我可以通过做来实现这一目标
data3<-full_join(data1, data2,
by=c("squirrel_id"="squirrel_id",
"year"="focal_yr",
"age"="focal_age",
"ageclass"="focal_ageclass"))
但是，对于data2中的两个age==3行，这重复了age==3的data1值(而不是仅匹配第一行(，给出了此(不需要(输出：
squirrel_id age ageclass trialdate focal_date year OFT1 MIS1 PC1 PC2
10342 1 Y 2008-05-19 2008-07-14 2008 0.605 -4.19 0.0932 -2.67
10342 2 A 2009-05-31 NA 2009 -1.85 1.14 NA NA
10342 3 A 2010-05-22 2010-03-13 2010 -2.39 2.38 -2.38 0.216
10342 3 A 2010-05-22 2010-04-20 2010 -2.39 2.38 0.0203 1.80
更新的问题：在执行full_join时，如何让匹配的记录为所有行添加NA请注意，我更喜欢dplyr解决方案，因为我不在data.table中工作(就像这个OP的答案一样(，并且我想保留不匹配的行(不像其他OP(。
以下是data.table方法
样本数据
library(data.table)
data1 <- fread("squirrel_id age ageclass trialdate year OFT1 MIS1
10342 1 Y 2008-05-19 2008 0.605 -4.19
10342 2 A 2009-05-31 2009 -1.85 1.14
10342 3 A 2010-05-22 2010 -2.39 2.38")
data2 <- fread("squirrel_id focal_age focal_ageclass focal_date focal_yr PC1 PC2
10342 1 Y 2008-07-14 2008 0.0932 -2.67
10342 3 A 2010-03-13 2010 -2.38 0.216
10342 3 A 2010-04-20 2010 0.0203 1.80 ")
代码
# Assuming the first five columns can be rowbound without problem,
# melt them to long
L <- lapply(list(data1, data2), melt, id.vars = 1:5)
# squirrel_id age ageclass trialdate year variable value
# 1: 10342 1 Y 2008-05-19 2008 OFT1 0.605
# 2: 10342 2 A 2009-05-31 2009 OFT1 -1.850
# 3: 10342 3 A 2010-05-22 2010 OFT1 -2.390
# 4: 10342 1 Y 2008-05-19 2008 MIS1 -4.190
# 5: 10342 2 A 2009-05-31 2009 MIS1 1.140
# 6: 10342 3 A 2010-05-22 2010 MIS1 2.380
#
# [[2]]
# squirrel_id focal_age focal_ageclass focal_date focal_yr variable value
# 1: 10342 1 Y 2008-07-14 2008 PC1 0.0932
# 2: 10342 3 A 2010-03-13 2010 PC1 -2.3800
# 3: 10342 3 A 2010-04-20 2010 PC1 0.0203
# 4: 10342 1 Y 2008-07-14 2008 PC2 -2.6700
# 5: 10342 3 A 2010-03-13 2010 PC2 0.2160
# 6: 10342 3 A 2010-04-20 2010 PC2 1.8000
# Rowbind, ignore columnnames
DT <- data.table::rbindlist(L, use.names = FALSE, fill = FALSE)
# squirrel_id age ageclass trialdate year variable value
# 1: 10342 1 Y 2008-05-19 2008 OFT1 0.6050
# 2: 10342 2 A 2009-05-31 2009 OFT1 -1.8500
# 3: 10342 3 A 2010-05-22 2010 OFT1 -2.3900
# 4: 10342 1 Y 2008-05-19 2008 MIS1 -4.1900
# 5: 10342 2 A 2009-05-31 2009 MIS1 1.1400
# 6: 10342 3 A 2010-05-22 2010 MIS1 2.3800
# 7: 10342 1 Y 2008-07-14 2008 PC1 0.0932
# 8: 10342 3 A 2010-03-13 2010 PC1 -2.3800
# 9: 10342 3 A 2010-04-20 2010 PC1 0.0203
#10: 10342 1 Y 2008-07-14 2008 PC2 -2.6700
#11: 10342 3 A 2010-03-13 2010 PC2 0.2160
#12: 10342 3 A 2010-04-20 2010 PC2 1.8000
# Cast to wide again
dcast(DT, ... ~ variable, value.var = "value")
# squirrel_id age ageclass trialdate year OFT1 MIS1 PC1 PC2
# 1: 10342 1 Y 2008-05-19 2008 0.605 -4.19 NA NA
# 2: 10342 1 Y 2008-07-14 2008 NA NA 0.0932 -2.670
# 3: 10342 2 A 2009-05-31 2009 -1.850 1.14 NA NA
# 4: 10342 3 A 2010-03-13 2010 NA NA -2.3800 0.216
# 5: 10342 3 A 2010-04-20 2010 NA NA 0.0203 1.800
# 6: 10342 3 A 2010-05-22 2010 -2.390 2.38 NA NA