Werte von einem Datenrahmen in einen anderen übertragen

Question

Ich habe zwei Datenrahmen. Die erste sieht wie folgt aus:

value <- seq(1, 100, length.out=20) 
df1 <- data.frame(id=as.character(1:20), 
        value=value, 
        stringsAsFactors=F) 

Ich habe einen zweiten Datenrahmen, die

df2 <- data.frame(id=as.character(c(1:5, 21:23)), 
        v2=NA, 
        stringsAsFactors=F) 

so aussieht muss ich die Übertragung von Werten df1-df2, aber nur dort, wo df1$id == df2$id. Also der Datenrahmen, den ich brauche, ist:

df2Needed <- data.frame(id=as.character(c(1:5, 21:23)), 
         v2=c(value[1:5], NA, NA, NA), 
         stringsAsFactors=F) 

Gibt es eine Möglichkeit, dies zu tun?

Answer 1

data.table Verwendung:

require(data.table) 
dt1 <- data.table(df1, key="id") 
dt2 <- data.table(df2) 

dt1[dt2$id, value] 

# id  value 
# 1: 1 1.000000 
# 2: 2 6.210526 
# 3: 3 11.421053 
# 4: 4 16.631579 
# 5: 5 21.842105 
# 6: 21  NA 
# 7: 22  NA 
# 8: 23  NA 

oder unter Verwendung einer Base merge als @TheodoreLytras unter Kommentar erwähnt:

# you don't need to have `v2` column in df2 
merge(df2, df1, by="id", all.x=T, sort=F) 

# id v2  value 
# 1 1 NA 1.000000 
# 2 2 NA 6.210526 
# 3 3 NA 11.421053 
# 4 4 NA 16.631579 
# 5 5 NA 21.842105 
# 6 21 NA  NA 
# 7 22 NA  NA 
# 8 23 NA  NA 

Answer 2

Mit LEFT join sql mit sqldf

library(sqldf) 
sqldf('SELECT df2.id , df1.value 
     FROM df2 
     LEFT JOIN df1 
     ON df2.id = df1.id') 

id  value 
1 1 1.000000 
2 2 6.210526 
3 3 11.421053 
4 4 16.631579 
5 5 21.842105 
6 21  NA 
7 22  NA 
8 23  NA 

EDIT hinzufügen einige benchamrking:

Die übereinstimmen wie erwartet ist sehr schnell hier. sqldf ist wirklich langsam!

-Test an den OP-Daten

library(microbenchmark) 
microbenchmark(ag(),ar.dt(),ar.me(),tl()) 

Unit: microseconds 
    expr  min   lq  median  uq  max 
1 ag() 23071.953 23536.1680 24053.8590 26889.023 34256.354 
2 ar.dt() 3123.972 3284.5890 3348.1155 3523.333 7740.335 
3 ar.me() 950.807 1015.2815 1095.1160 1128.112 6330.243 
4 tl() 41.340 45.8915 68.0785 71.112 187.735 

-Test mit großen Daten 1E6 Datenzeilen.

hier, wie erzeuge ich meine Daten:

N <- 1e6 
df1 <- data.frame(id=as.character(1:N), 
        value=seq(1, 100), 
        stringsAsFactors=F) 
n2 <- 1000 
df2 <- data.frame(id=sample(df1$id,n2), 
        v2=NA, 
        stringsAsFactors=F) 

Überraschung !! Merge ist 16 mal schneller als sqldf und data.table Lösung ist die langsamste!

Unit: milliseconds 
    expr  min  lq median  uq  max 
1 ag() 5678.0580 5865.3063 6034.9151 6214.3664 8084.6294 
2 ar.dt() 8373.6083 8612.9496 8867.6164 9104.7913 10423.5247 
3 ar.me() 387.4665 451.0071 506.8269 648.3958 1014.3099 
4 tl() 174.0375 186.8335 214.0468 252.9383 667.6246 

Wo die Funktion ag, ar.dt, ar.me, tl durch definiert sind:

ag <- function(){ 
require(sqldf) 
sqldf('SELECT df2.id , df1.value 
     FROM df2 
     LEFT JOIN df1 
     ON df2.id = df1.id') 
} 


ar.dt <- function(){ 
    require(data.table) 
    dt1 <- data.table(df1, key="id") 
    dt2 <- data.table(df2) 
    dt1[dt2$id, value] 
} 

ar.me <- function(){ 
merge(df2, df1, by="id", all.x=T, sort=F) 
} 

tl <- function(){ 
    df2Needed <- df2 
df2Needed$v2 <- df1$value[match(df2$id, df1$id)] 
} 

EDIT 2

Es scheint, dass die data.table Schöpfung einschließlich im Benchmarking ist es ein bisschen unfair. Um Verwirrung zu vermeiden, füge ich eine neue Funktion hinzu, wo ich vermute, dass ich bereits data.table-Strukturen habe.

ar.dtLight <- function(){ 
    dt1[dt2$id, value] 
} 

library(microbenchmark) 
microbenchmark(ag(),ar.dt(),ar.me(),tl(),ar.dtLight,times=1) 

Unit: microseconds 
     expr   min   lq  median   uq   max 
1  ag() 7247593.591 7247593.591 7247593.591 7247593.591 7247593.591 
2 ar.dt() 8543556.967 8543556.967 8543556.967 8543556.967 8543556.967 
3 ar.dtLight  1.139  1.139  1.139  1.139  1.139 
4 ar.me() 462235.106 462235.106 462235.106 462235.106 462235.106 
5  tl() 201988.996 201988.996 201988.996 201988.996 201988.996 

Es scheint, dass die Erstellung der Schlüssel (Indizes) der Zeitaufwand ist. Aber sobald die Indizes erstellt werden data.table Methode ist unschlagbar.

Answer 3

Eine Möglichkeit, dies mit merge() zu tun:

df2Needed <- merge(df2,df1,by="id",all.x=TRUE, sort=FALSE) 
df2Needed <- df2Needed[,c("id","value")] 
colNames(df2Needed) <- c("id","v2") 

und einem anderen (elegantere, glaube ich) mit match():

df2Needed <- df2 
df2Needed$v2 <- df1$value[match(df2$id, df1$id)]