You need to enable JavaScript to run this app. R语言合并同月份拆分重复的df1与单月份df2生成目标df3
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.13 22:54:03