r - 按行绑定(bind)具有不同列名的数据框

Question

我将此 Excel 工作表导入为数据框列表。我想将列表合并到一个数据框中。 bind_rows() 允许我轻松地将数据帧加在一起，但问题是我有一个变量/列在每个数据帧中具有不同的名称。 bind_row() 将默认创建两个单独的列，其他数据框中的数据为空值。我怎样才能加入这些专栏？

示例代码:

# Sample dataframes
df1 <- tibble(A = c(1,2,3),
              B = c("X","Y","Z"),
              C = c(T,F,F)
                  )
df2 <- tibble(A = c(3,4,5),
              B = c("U","V","W"),
              D = c(T,T,F)
)

# List of dataframes
my_ls <- list(df1, df2)
my_ls
[[1]]
# A tibble: 3 x 3
      A B     C    
  <dbl> <chr> <lgl>
1     1 X     TRUE 
2     2 Y     FALSE
3     3 Z     FALSE

[[2]]
# A tibble: 3 x 3
      A B     D    
  <dbl> <chr> <lgl>
1     3 U     TRUE 
2     4 V     TRUE 
3     5 W     FALSE

# Creating joined dataframe:
my_df <- bind_rows(my_ls)
my_df
# Current outcome: A tibble: 6 x 4
      A B     C     D    
  <dbl> <chr> <lgl> <lgl>
1     1 X     TRUE  NA   
2     2 Y     FALSE NA   
3     3 Z     FALSE NA   
4     3 U     NA    TRUE 
5     4 V     NA    TRUE 
6     5 W     NA    FALSE

期望的结果:

# Desired outcome: A tibble: 6 x 3
      A B     C         
  <dbl> <chr> <lgl> 
1     1 X     TRUE    
2     2 Y     FALSE    
3     3 Z     FALSE    
4     3 U     TRUE 
5     4 V     TRUE 
6     5 W     FALSE

目前，我一直在使用 mutate() 和 case_when()，我检查哪一列不为空 (!is.na() )。这行得通，但我忍不住认为一定有更简单的方法。

# Example using mutate
my_df <- my_df %>% 
  mutate(
    C = case_when(is.na(C)  & !is.na(D) ~ D,
                  !is.na(C) & is.na(D)  ~ C,
                  # The lines below may be a bit redundant for my purpose, since the dataframes either have the C or D variable.
                  !is.na(C) & !is.na(D) ~ C, # Better would be to return that variable has overlapping information
                  is.na(C)  & is.na(D)  ~ NA
                 )
         ) %>%
        select(-D)
my_df
# A tibble: 6 x 3
      A B     C    
  <dbl> <chr> <lgl>
1     1 X     TRUE 
2     2 Y     FALSE
3     3 Z     FALSE
4     3 U     TRUE 
5     4 V     TRUE 
6     5 W     FALSE

Answer 1

您可以bind_rows 然后使用coalesce 选择非NA 值:

library(dplyr)

bind_rows(my_ls) %>% mutate(C = coalesce(C, D)) %>% select(A:C)

#      A  B     C    
#  <dbl> <chr> <lgl>
#1     1 X     TRUE 
#2     2 Y     FALSE
#3     3 Z     FALSE
#4     3 U     TRUE 
#5     4 V     TRUE 
#6     5 W     FALSE