R语言合并同月份拆分重复的df1与单月份df2生成目标df3
R中拆分重复行的双数据框合并方案
你原本尝试使用cbind完成合并的方式不适配当前数据结构:df1存在同月份拆分的6行记录,df2仅3行,直接硬拼会出现行数不匹配、数据错位的问题。正确的处理流程分为两步:
- 按
Months字段聚合df1的同月份拆分记录,把分散在不同行的非空字段补全为单月单行,消除重复 - 通过公共键
Months将清洗后的df1与df2做关联匹配,生成最终结果df3
方法1:dplyr实现(适配当前tbl_df格式数据)
代码可直接运行,适配你提供的示例数据结构:
library(dplyr) # 预处理:将df1中字符型的文本"NA"转换为R标准缺失值,统一字段为数值型 df1 <- df1 %>% mutate(across(A:C, ~as.numeric(.x))) # 清洗df1:按月份分组,逐列提取同月份下的非缺失有效值 df1_clean <- df1 %>% group_by(Months) %>% summarise( across(everything(), ~first(na.omit(.x))), .groups = "drop" ) # 按月份关联两个数据框 df3 <- left_join(df1_clean, df2, by = "Months")
运行后输出的df3和你预期的结果完全一致:
> df3 # A tibble: 3 × 7 Months A B C D E F <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 1 Jan 4 1 0 1 1 0 2 Feb 6 0 0 2 1 0 3 Mar 9 6 21 3 1 0
方法2:基础R实现(无需加载第三方包)
# 预处理:转换df1的字符型"NA"为标准缺失值 df1[c("A", "B", "C")] <- lapply(df1[c("A", "B", "C")], function(x) { x[x == "NA"] <- NA as.numeric(x) }) # 按月份聚合清洗df1 unique_months <- unique(df1$Months) df1_clean <- do.call(rbind, lapply(unique_months, function(m) { month_data <- df1[df1$Months == m, ] data.frame( Months = m, A = na.omit(month_data$A), B = na.omit(month_data$B), C = na.omit(month_data$C) ) })) # 按月份键合并df2 df3 <- merge(df1_clean, df2, by = "Months")
关键注意点
- 你提供的示例df1中,
NA是字符型的文本值,并非R的默认缺失值,如果不做前置转换,聚合时会把文本"NA"判定为有效值,导致结果出错 - 不要直接使用
cbind做合并操作:cbind是按行号硬拼字段,不会校验两个数据框的月份对应关系,一旦月份排序不一致,就会出现数据完全错位的问题
内容的提问来源于stack exchange,提问作者kaix
相关产品推荐
相关产品推荐

