r语言 - 联接数据，但忽略缺失值

Question

我在将数据帧与 dplyr 连接时遇到一些问题，我想忽略 NA。

我拥有的数据很大，但简化版本如下所示：

id <- c("id1", "id2", "id3", "id4")
A <- c("E", "F", "G", NA)
B <- c("T", NA, "N", "T")
C <- c(NA, "T", "U", NA)
df <- data.frame(A, B, C)
     id    A    B    C
1    id1   E    T    NA
2    id2   F    NA   T
3    id3   G    N    U
4    id4   NA   T    NA

我有一个我想与 df 匹配的条目，例如：

df2 <- data.frame(A = "E", B = "T", C = "M")
    A    B    C
1   E    T    M

因此，我想从 df 中获取与 df2 匹配的所有行，但应忽略 NA。所以结果应该看起来像这样：

     id    A    B    C
1    id1   E    T    NA
2    id4   NA   T    NA

我试图用semi_join做到这一点，但到目前为止它不起作用：

result <- df %>%
  group_by(n = seq(n())) %>%
  do(modify_if(., is.na, ~NULL) %>%
       semi_join(df2, by = c("A", "B", "C"))) %>%
  ungroup %>%
  select(-n)

这导致：

Error: `by` can't contain join column `C` which is missing from LHS
Call `rlang::last_error()` to see a backtrace

谁知道答案？

Answer 1

这是一个混合了 tidyverse 和基本 R 的解决方案。 我认为这很清楚，但我会对一个不完全做作的纯整洁的实现感兴趣。

这个想法是首先展开 df 和 df2 中的所有条目，然后使用循环筛选所有列。

数据：

id <- c("id1", "id2", "id3", "id4")
A <- c("E", "F", "G", NA)
B <- c("T", NA, "N", "T")
C <- c(NA, "T", "U", NA)
df <- data.frame(id, A, B, C, stringsAsFactors = F) # Make sure to use strings not factors
df2 <- data.frame(A = "E", B = "T", C = "M", stringsAsFactors = F)

法典：

library(tidyr)
results <- crossing(df, df2)
select_columns <- c("A", "B", "C")
for(col in select_columns) {
  keep <- is.na(results[[col]]) | results[[col]] == results[[paste0(col, 1)]]
  results <- results[keep,, drop=F]
}
results <- results %>% dplyr::select(id, A:C) %>% distinct
results
   id    A B    C
1 id1    E T <NA>
2 id4 <NA> T <NA>

<</div> div class="one_answers">

如果您只需要对一组值执行此操作，这可能是最直接的方法：

d[A %in% c("E",NA) & B %in%c("T",NA) & C %in% c("M",NA),]

Answer 2

另一个使用tidyverse和base(dplyr，tidyr，base(的例子：

在这里，我将你的df2转换为一个数据帧，其中包括你想要接受的所有值组合((E或NA(和(T或NA(和(M或NA((，然后我用这个完整的集合做一个内部连接。还有其他方法可以创建所有可能组合的数据帧，但这种方法使用tidyr相当容易。

library(dplyr)
library(tidyr)
id <- c("id1", "id2", "id3", "id4")
A <- c("E", "F", "G", NA)
B <- c("T", NA, "N", "T")
C <- c(NA, "T", "U", NA)
df <- data.frame(A, B, C, stringsAsFactors = FALSE)
df2 <- data.frame(A = "E", B = "T", C = "M",stringsAsFactors = FALSE)
df2_expanded <- df2 %>%
  rowwise() %>%
  mutate(combinations = list(expand.grid(A = c(A,NA),B = c(B,NA),C = c(C,NA),stringsAsFactors = FALSE))) %>%
  select(-A,-B,-C) %>%
  unnest(combinations)
# A tibble: 8 x 3
#   A     B     C    
# <chr> <chr> <chr>
# 1 E     T     M    
# 2 NA    T     M    
# 3 E     NA    M    
# 4 NA    NA    M    
# 5 E     T     NA   
# 6 NA    T     NA   
# 7 E     NA    NA   
# 8 NA    NA    NA   
df %>%
  inner_join(df2_expanded)
#      A B    C
# 1    E T <NA>
# 2 <NA> T <NA>