R:在 dplyr join 后合并重复的列

Question

当您使用像 full_join 这样的 dplyr join 函数时，具有相同名称的列将被复制并赋予后缀，例如“col.x”、“col.y”、“col.x.x”等，当它们不用于连接表时。

library(dplyr)
data1<-data.frame(
          Code=c(2,1,18,5), 
          Country=c("Canada", "USA", "Brazil", "Iran"), 
          x=c(50,29,40,29))
data2<-data.frame(
          Code=c(2,40,18),
          Country=c("Canada","Japan","Brazil"), 
          y=c(22,30,94))
data3<-data.frame(
          Code=c(25,14,52),
          Country=c("China","Japan","Australia"), 
          z=c(22,30,94))

data4<-Reduce(function(...) full_join(..., by="Code"), list(data1,data2,data3)) 

这会产生“Country”、“Country.x”和“Country.y”列。

有没有一种方法可以将三列合并为一列，这样如果某行的“国家/地区”不适用，它会从“国家/地区.x”或“国家/地区.y”中获取值？

我尝试了一个基于 this similar question 的解决方案, 但它给了我一个警告并只返回前三行的值。

 data4<-Reduce(function(...) full_join(..., by="Code"), list(data1,data2,data3)) %>%
        mutate(Country=coalesce(Country.x,Country.y,Country)) %>%
        select(-Country.x, -Country.y)

这将返回警告 invalid factor level, NA generated。

有什么想法吗？

Answer 1

你可以使用我的包裹safejoin ，进行完全连接并使用 dplyr::coalesce 处理冲突。

首先，我们必须重命名表，使值列的名称相同。

library(dplyr)
data1 <- rename_at(data1,3, ~"value")
data2 <- rename_at(data2,3, ~"value")
data3 <- rename_at(data3,3, ~"value")

然后我们就可以加入了

# devtools::install_github("moodymudskipper/safejoin")
library(safejoin)
data1 %>%
  safe_full_join(data2, by = c("Code","Country"), conflict = coalesce) %>%
  safe_full_join(data3, by = c("Code","Country"), conflict = coalesce)
#   Code   Country value
# 1    2    Canada    50
# 2    1       USA    29
# 3   18    Brazil    40
# 4    5      Iran    29
# 5   40     Japan    30
# 6   25     China    22
# 7   14     Japan    30
# 8   52 Australia    94

你会收到一些警告，因为你正在加入不同级别的因子列，添加参数 check="" 以删除它们。