我必须分析经济学实验的数据。因此，我有一个数据库（14 976 obs），我分为两个：一个是卖方的，一个是1型（7488 obs），另一个用于2型买家（7488 obs）（7488 obs），每个变量有212个变量。
在这里，您有两个数据库的一部分：
sellers
ID Gender Period Matching group Group Type Overcharging ...
654 1 1 73 1 1 NA
654 1 2 73 1 1 NA
654 1 3 73 1 1 NA
654 1 4 73 1 1 NA
435 1 1 73 2 1 NA
435 1 2 73 2 1 NA
435 1 3 73 2 1 NA
435 1 4 73 2 1 NA
buyers
ID Gender Period Matching group Group Type Overcharging ...
708 0 1 73 1 2 1
708 0 2 73 1 2 0
708 0 3 73 1 2 0
708 0 4 73 1 2 1
546 1 1 73 2 2 0
546 1 2 73 2 2 0
546 1 3 73 2 2 1
546 1 4 73 2 2 0
我有很多变量，例如收费超过的变量，其中的信息是在买家排的地方而不是卖方。因此，我想做的是替换卖方数据库中的信息。
为此，我有很多信息：在匹配的第73组中，我们知道，例如，在1个时期，主题708被过多收费（第1组中的一个）。据我所知，这名男子属于第1组，并匹配73组，我能够识别出在第1期中收取过多收费的卖方：主题654的性别=1。
。因此，我想将过度收费（以及其他一些）买家的价值观放在卖方数据框架上，以分析卖方的行为，但在正确的时期，对于正确的组和正确的匹配组。
library(dplyr)
#join both dataframes on common columns
merged_df <- left_join(sellers, buyers, by=c('Period', 'Matching_group', 'Group'))
#find row_index which have missing "Overcharging" in sellers
idx <- which(is.na(merged_df$Overcharging.x))
merged_df[idx, "Overcharging.x"] <- merged_df[idx, "Overcharging.y"]
#drop unwanted columns to have the updated sellers
sellers_updated <- merged_df[,-c(dim(sellers)[2]+1: dim(merged_df)[2])]
colnames(sellers_updated) <- colnames(sellers)
sellers_updated
您可以执行合并以获取所需的信息。
# Select the Period, Matching Group, Group and Overcharging columns
# Selection by column ID (2nd, 3rd, 4th, 6th columns)
buyers_merge <- buyers[, c(2,3,4,6)]
# Rename the Overcharging column
names(buyers_merge)[4] <- "Overcharging_Buyers"
# Merge
sellers_merged <- merge(sellers, buyers_merge)
现在，如果我正确编写了上面的代码，则应将OverCharging_buyers列添加到卖方表的副本中。由于4列名称中的3个匹配，因此合并函数应自动合并到这些列上，并将非匹配列添加为新列。然后，您可以用新添加的信息替换原始的过度充电列。
有关合并功能的更多信息，请参见此处。