r - 合并两个 R 数据帧并识别每一行的来源

Question

我的情况是，我需要将两个数据框合并在一起，每个数据框都包含一个关于研究主题的观察结果。不幸的是，数据捕获系统允许最终用户在两个屏幕上输入一些变量(例如，性别是在两个时间点捕获的，不应更改)。没有数据库端检查来确认屏幕之间的数据是否一致，因此我们正在检查后处理。

我想做的是使用内置的 R merge()使用 all=TRUE 合并数据帧的函数选项，以便我获得共享变量不匹配的两行，然后在结果数据框中有一个列，告诉我行的来源(来自合并中的 X 或 Y)。据我所知，merge() 中没有类似的东西。函数，所以我正在尝试为 merge() 编写自己的包装器这将做到这一点。

例子:

example_df1 <- data.frame(subject_id=c(101,102,103,104,105),
                          gender=c("M","F","M","M","F"),
                          weight=c(120,130,110,114,144),
                          score=c(10,12,11,13,11))

example_df2 <- data.frame(subject_id=c(101,102,103,104,105),
                          gender=c("M","M","M","M","F"),
                          weight=c(120,130,110,117,144),
                          site1=c(13,18,23,12,4),
                          site2=c(3,7,8,11,0),
                          site3=c(31,28,12,29,40))

merge(x=example_df1,y=example_df2,all=TRUE)

  subject_id gender weight score site1 site2 site3
1        101      M    120    10    13     3    31
2        102      F    130    12    NA    NA    NA
3        102      M    130    NA    18     7    28
4        103      M    110    11    23     8    12
5        104      M    114    13    NA    NA    NA
6        104      M    117    NA    12    11    29
7        105      F    144    11     4     0    40

期望的输出:

  subject_id gender weight score site1 site2 site3 rowsource
1        101      M    120    10    13     3    31   both
2        102      F    130    12    NA    NA    NA    x
3        102      M    130    NA    18     7    28    y
4        103      M    110    11    23     8    12   both
5        104      M    114    13    NA    NA    NA    x
6        104      M    117    NA    12    11    29    y
7        105      F    144    11     4     0    40   both

由于项目周围的监管环境，如果可能的话，我需要在没有任何特殊包的情况下在 base R 中实现解决方案。我最初的想法是尝试使用 intersect找到两个 example_df1 之间的公共(public)变量和 example_df2 ，然后以某种方式将合并结果的每一行(在这些公共(public)变量内)与 example_df1 进行比较和 example_df2找出行的来源。这看起来真的很笨拙，所以我很感激有关如何提高此类任务效率的建议。谢谢!

编辑添加:如果在这种类型的合并中，R 总是始终将 X 行放在 Y 行上方，我想这也可以工作，但我认为我对比这更稳定的东西感觉更好。

Answer 1

我只想在合并之前添加另一列以使生活更轻松:

example_df1$source <- "X"
example_df2$source <- "Y"
Merged <- merge(x = example_df1, y = example_df2,
                all = TRUE, by = c("subject_id", "gender", "weight"))
Merged$rowSource <- apply(Merged[c("source.x", "source.y")], 1, 
                          function(x) paste(na.omit(x), collapse = ""))
Merged
#   subject_id gender weight score source.x site1 site2 site3 source.y rowSource
# 1        101      M    120    10        X    13     3    31        Y        XY
# 2        102      F    130    12        X    NA    NA    NA     <NA>         X
# 3        102      M    130    NA     <NA>    18     7    28        Y         Y
# 4        103      M    110    11        X    23     8    12        Y        XY
# 5        104      M    114    13        X    NA    NA    NA     <NA>         X
# 6        104      M    117    NA     <NA>    12    11    29        Y         Y
# 7        105      F    144    11        X     4     0    40        Y        XY

从那里，应该很容易改变 "XY"至 "both"如果这是您在输出中喜欢的内容，则可以删除“source.x”和“source.y”列....