我是R编程的新手，我想知道是否有办法通过比较两个文件来更新值。
例如，我有我的主表df_table1:
Date Metric1 Metric2 Metric3
1/1/2018 25 4.6 49
2/1/2018 6 3.6 67
3/1/2018 18 2.6 36
4/1/2018 56 3.6 29
我反复浏览文件夹中的各种文件，碰巧有一个文件也包含一些日期值相同的重叠数据，df_table2:
Date Metric1 Metric2 Metric3
3/1/2018 19 2.9 47
4/1/2018 78 5.7 35
5/1/2018 46 3.3 29
组合数据文件的常用方法是使用rbind((，但我相信这会为df_table2中的两个日期创建重复的值。
有没有一种方法可以有效地进行比较，检查我所有后续文件上的重叠日期，并根据df_table1中的日期替换它们对应的值？
理想情况下，如果df_table2中的所有度量的值都大于df_table1中的值，那么有一种方法只进行替换会更好。
最后，我希望最终输出是df_table1和df_table2的组合，通过某种特殊的rbind((函数，从df_table2中更新值，不重复：
Date Metric1 Metric2 Metric3
1/1/2018 25 4.6 49
2/1/2018 6 3.6 67
3/1/2018 19 2.9 47 #updated from df_table2
4/1/2018 78 5.7 35 #updated from df_table2
5/1/2018 46 3.3 29 #new value from df_table2
谢谢！
让我们先定义数据(为了将来，请自己定义数据，让人们更容易帮助您(：
df_table1= data.frame(Date=c('1/1/2018','2/1/2018','3/1/2018','4/1/2018'),
Metric1 = c(25,6,18,56),
Metric2 = c(4.6,3.6,2.6,3.6),
Metric3 = c(49,67,36,29))
df_table2= data.frame(Date=c('3/1/2018','4/1/2018','5/1/2018'), Metric1 = c(19,78,46),
Metric2 = c(2.9,5.7,3.3),
Metric3 = c(48,35,29))
接下来，我将合并这些表，然后重新创建您需要的变量。我为你写的第一篇，其他的应该很容易。不只是使用is.na()，您可以比较哪个变量更大，然后选择您想要的变量。
df = merge(df_table1, df_table2, by='Date', all=TRUE)
df$Metric1 = df$Metric1.y
df$Metric1[is.na(df$Metric1)] = df$Metric1.x[is.na(df$Metric1)]
df
Date Metric1.x Metric2.x Metric3.x Metric1.y Metric2.y Metric3.y Metric1
1 1/1/2018 25 4.6 49 NA NA NA 25
2 2/1/2018 6 3.6 67 NA NA NA 6
3 3/1/2018 18 2.6 36 19 2.9 48 19
4 4/1/2018 56 3.6 29 78 5.7 35 78
5 5/1/2018 NA NA NA 46 3.3 29 46
使用dplyr:
rbind(df_table1,df_table2) %>% group_by(Date) %>% filter(Metric1==max(Metric1))
# A tibble: 5 x 4
# Groups: Date [5]
Date Metric1 Metric2 Metric3
<chr> <dbl> <dbl> <dbl>
1 1/1/2018 25. 4.60 49.
2 2/1/2018 6. 3.60 67.
3 3/1/2018 19. 2.90 48.
4 4/1/2018 78. 5.70 35.
5 5/1/2018 46. 3.30 29.
请注意，这是假设如果一个表中的Metric1比另一个表大，那么所有其他度量都会大。如果不是这样，我不清楚会发生什么。
这是一个奇怪而复杂的代码，它将为两个表中的每个日期保留一行，保留所有度量都大于另一行的行，或者，如果两行都不符合该规则，它将保留表1中的行：
首先，让我们稍微更改一下数据：
df_table1= data.frame(Date=c('1/1/2018','2/1/2018','3/1/2018','4/1/2018'),
Metric1 = c(25,6,18,56),
Metric2 = c(4.6,3.6,2.6,6.3),
Metric3 = c(49,67,36,29), stringsAsFactors = FALSE)
df_table2= data.frame(Date=c('3/1/2018','4/1/2018','5/1/2018'), Metric1 = c(19,78,46),
Metric2 = c(2.9,5.7,3.3),
Metric3 = c(48,35,29), stringsAsFactors = FALSE)
现在，1月4日的一行将有更高的度量2，而其他度量在另一行更高。
rbind(df_table1,df_table2) %>%
group_by(Date) %>%
mutate(keeper=(Metric1==max(Metric1) & Metric2==max(Metric2) & Metric3==max(Metric3))) %>%
group_by(Date,keeper) %>%
filter(row_number()==1) %>%
group_by(Date) %>% add_count() %>%
mutate(keeper=ifelse(n==1,TRUE,keeper)) %>%
filter(keeper) %>% select(-keeper, -n)
# A tibble: 5 x 4
# Groups: Date [5]
Date Metric1 Metric2 Metric3
<chr> <dbl> <dbl> <dbl>
1 1/1/2018 25. 4.60 49.
2 2/1/2018 6. 3.60 67.
3 4/1/2018 56. 6.30 29.
4 3/1/2018 19. 2.90 48.
5 5/1/2018 46. 3.30 29.
我相信有一种更优雅的方法可以实现这一点，但我不知道它是什么——我经历了很多尝试和错误。。。
最后，如果你决定只保留表1的版本，如果有重复的日期，不管指标如何，都可以这样做：
rbind(df_table1,df_table2) %>% filter(!duplicated(Date))
Date Metric1 Metric2 Metric3
1 1/1/2018 25 4.6 49
2 2/1/2018 6 3.6 67
3 3/1/2018 18 2.6 36
4 4/1/2018 56 6.3 29
5 5/1/2018 46 3.3 29
这应该适用于
library(dplyr)
df_new <- df_table1%>%
anti_join(df_table2, by = c('Date'))%>%
rbind(data= . ,df_table2)