r - 用dplyr联接操作替换数据框的子集

Question

假设我对数据帧的某些列值进行了如下处理：

  id animal weight   height ...
  1    dog     23.0
  2    cat     NA
  3   duck     1.2
  4  fairy     0.2
  5  snake     BAD


df <- data.frame(id = seq(1:5),
             animal = c("dog", "cat", "duck", "fairy", "snake"),
             weight = c("23", NA, "1.2", "0.2",  "BAD"))

假设该处理需要在单独的表中工作，并给出以下数据框，该数据框是原始数据的一个子集：

  id animal weight
  2    cat    2.2
  5  snake    1.3

sub_df <- data.frame(id = c(2, 5),
             animal = c("cat", "snake"),
             weight = c("2.2", "1.3"))

现在，我想再次将它们放在一起，因此我使用如下操作：

> df %>%
   anti_join(sub_df, by = c("id", "animal")) %>%
   bind_rows(sub_df)

 id animal weight
 4  fairy    0.2
 1    dog   23.0
 3   duck    1.2
 2    cat    2.2
 5  snake    1.3

是否存在某种直接通过联接操作执行此操作的方法？

如果子集只是关键列而要进行处理的变量对象（id，动物体重）而不是原始数据框的总变量（id，动物，体重，身高），那么如何组装子集与原始设置？

Answer 1

您描述的是一个联接操作，您可以在其中更新原始数据集中的一些值。由于data.table的快速联接和按引用更新的概念（:=），因此在使用setDF时具有良好的性能非常容易做到。

这是您的玩具数据的示例：

library(data.table)
setDT(df)             # convert to data.table without copy
setDT(sub_df)         # convert to data.table without copy

# join and update "df" by reference, i.e. without copy 
df[sub_df, on = c("id", "animal"), weight := i.weight]

现在，数据已更新：

#   id animal weight
#1:  1    dog   23.0
#2:  2    cat    2.2
#3:  3   duck    1.2
#4:  4  fairy    0.2
#5:  5  snake    1.3

您可以使用 data.frame切换回普通的 。