如何将行数可变的DataFrame合并到固定25行的DataFrame中？

需求说明 #

• 有一个固定25行的完整DataFrame（记为df_full），包含hc_y、hc_x、opp、oaa列；
• 另一个是行数1-25的子集DataFrame（记为df_sub），仅包含opp>0的行，列结构与完整表一致；
• 需要以hc_y和hc_x为匹配键合并：匹配到的行用子集数据，未匹配的保留完整表的原始数据，最终结果必须保持25行。

数据定义 #

完整DataFrame（df_full） #

df_full <- structure(list(
  hc_y = c(250, 250, 250, 250, 250, 275, 275, 275, 275, 275, 300, 300, 300, 300, 300, 325, 325, 325, 325, 325, 350, 350, 350, 350, 350),
  hc_x = c(-50, -25, 0, 25, 50, -50, -25, 0, 25, 50, -50, -25, 0, 25, 50, -50, -25, 0, 25, 50, -50, -25, 0, 25, 50),
  opp = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0),
  oaa = c(NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA)
), class = "data.frame", row.names = c(NA, -25L))

子集DataFrame（df_sub） #

df_sub <- structure(list(
  hc_x = c(-50, -50, -50, -50, -25, -25, -25, -25, -25, 0, 0, 0, 0, 25, 25, 25, 25, 50, 50, 50, 50, 50),
  hc_y = c(250, 300, 325, 350, 250, 275, 300, 325, 350, 250, 300, 325, 350, 250, 275, 325, 350, 250, 275, 300, 325, 350),
  oaa = c(0.014, 0.084, 0.053, -0.266, 0.281, 0.012, 0.018, 0.017, 0.109, -0.048, 0.017, 0.166, 0.524, -0.544, 0.163, 0.036, 0.412, -0.005, 0.033, 0.061, 1.726, 0.528),
  opp = c(2, 4, 2, 5, 8, 1, 1, 2, 2, 3, 2, 1, 3, 4, 3, 1, 3, 1, 2, 3, 5, 9)
), row.names = c(NA, -22L), groups = structure(list(
  hc_x = c(-50, -25, 0, 25, 50), .rows = structure(list(1:4, 5:9, 10:13, 14:17, 18:22), ptype = integer(0), class = c("vctrs_list_of", "vctrs_vctr", "list"))
), row.names = c(NA, -5L), class = c("tbl_df", "tbl", "data.frame"), .drop = TRUE), class = c("grouped_df", "tbl_df", "tbl", "data.frame"))

实现方法 #

方法1：使用dplyr包（推荐） #

如果子集是分组表，先转为普通DataFrame，再通过关联+值替换完成合并：

library(dplyr)

# 取消子集的分组状态（如果是分组表）
df_sub <- df_sub %>% ungroup()

# 合并并替换匹配到的列值
result <- df_full %>%
  left_join(df_sub, by = c("hc_y", "hc_x"), suffix = c("_full", "_sub")) %>%
  mutate(
    opp = coalesce(opp_sub, opp_full),
    oaa = coalesce(oaa_sub, oaa_full)
  ) %>%
  select(hc_y, hc_x, opp, oaa) # 恢复原列顺序

方法2：使用data.table包（高效处理大数据） #

library(data.table)

# 转为data.table格式
setDT(df_full)
setDT(df_sub)

# 匹配并直接更新对应行的值
result <- df_full[df_sub, on = .(hc_y, hc_x), `:=`(opp = i.opp, oaa = i.oaa)]

方法3：基础R实现（无需额外包） #

# 合并两个表，保留完整表的所有行
merged <- merge(df_full, df_sub, by = c("hc_y", "hc_x"), all.x = TRUE, suffixes = c("_full", "_sub"))

# 替换匹配到的列值
merged$opp <- ifelse(!is.na(merged$opp_sub), merged$opp_sub, merged$opp_full)
merged$oaa <- ifelse(!is.na(merged$oaa_sub), merged$oaa_sub, merged$oaa_full)

# 保留需要的列并恢复原顺序
result <- merged[, c("hc_y", "hc_x", "opp", "oaa")]

验证结果 #

执行后result将保持25行：所有在df_sub中存在的hc_y+hc_x组合会使用子集的opp和oaa值，未匹配的行则保留df_full的原始0和NA。

内容的提问来源于stack exchange，提问作者MichaelSampson123