r - 通过 dplyr 中的主题 ID 和匹配序列 ID 连接两个数据集

Question

我有两个数据集，我想合并成一个数据集:

set.seed(111)
dat1 = data.frame(subject = paste0("A-",c(1,1,2,2,3,3,3,4,4,5)), 
                  seq1 = c(2, 3, 7, 8, 2, 9, 11, 10, 11, 16), 
                  text1 = sample(LETTERS, 10))
dat1

   subject seq1 text1
1      A-1    2     P
2      A-1    3     S
3      A-2    7     I
4      A-2    8     L
5      A-3    2     X
6      A-3    9     V
7      A-3   11     A
8      A-4   10     K
9      A-4   11     H
10     A-5   16     B

set.seed(999)
dat2 = data.frame(subject = paste0("A-", c(1,1,1,2,2,3,3,3,4,5,5,5,5)), 
                  seq2 = c(2, 3, 4, 7, 8, 2, 9, 11, 10, 16, 17, 18, 19), 
                  text2 = sample(LETTERS, 13))
dat2
       subject seq2 text2
1      A-1    2     K
2      A-1    3     O
3      A-1    4     C
4      A-2    7     T
5      A-2    8     R
6      A-3    2     X
7      A-3    9     M
8      A-3   11     B
9      A-4   10     H
10     A-5   16     Z
11     A-5   17     E
12     A-5   18     I
13     A-5   19     A

两个数据集都具有与第一列中相同的subject，但每个subject 的观察数量可能不同(例如，在dat1，受试者A-1有两条记录(seq1有2和3)，但是在dat2中，同一个受试者A-1有3条记录(seq2 有 2、3 和 4)。我希望连接的数据集包含两个数据集中的所有主题，同时在同一行中保留唯一的序列号(seq1 和 seq2) 与相应的 text1 和 text2。如果一个数据集缺少一个序列 ID 但有相同的序列 ID，则分配 NA在另一个数据集中找到。

最终数据集如下所示:

#    subject seq1 text1 seq2 text2
# 1      A-1    2     P    2     K
# 2      A-1   NA    NA    4     C
# 3      A-1    3     S    3     O
# 4      A-2    7     I    7     T
# 5      A-2    8     L    8     R
# 6      A-3    2     X    2     X
# 7      A-3    9     V    9     M
# 8      A-3   11     A   11     B
# 9      A-4   10     K   10     H
# 10     A-4   11     H   NA     NA
# 11     A-5   16     B   16     Z
# 12     A-5   17     E   NA     NA
# 13     A-5   18     I   NA     NA
# 14     A-5   19     A   NA     NA

如您所见，对于相同的 subject，连接的数据集具有相同的 seq1 和 seq2，并且在缺少序列 ID 的情况下(在 seq1 或 seq2 中)，分配一个 NA。感谢您就使用 dplyr 完成此任务提出的建议!

Answer 1

我在每个数据集中创建了一个名为 seq 的新列，然后使用了 full_join

full_join(mutate(dat1, seq = seq1),
          mutate(dat2, seq = seq2)) %>% 
  arrange(subject, seq) %>% 
  select(-seq)