У меня есть два кадра данных, которые я хочу объединить, используя dplyr. Один - это кадр данных, содержащий первые имена.
test_data <- data.frame(first_name = c("john", "bill", "madison", "abby", "zzz"),
stringsAsFactors = FALSE)
Другой фрейм данных содержит очищенную версию корпуса имен Кантровиц, идентифицирующую пол. Вот минимальный пример:
kantrowitz <- structure(list(name = c("john", "bill", "madison", "abby", "thomas"), gender = c("M", "either", "M", "either", "M")), .Names = c("name", "gender"), row.names = c(NA, 5L), class = c("tbl_df", "tbl", "data.frame"))
По существу, я хочу посмотреть пол имени из таблицы test_data
, используя таблицу kantrowitz
. Поскольку я собираюсь абстрагировать это на функцию encode_gender
, я не буду знать имя столбца в наборе данных, которое будет использоваться, и поэтому я не могу гарантировать, что это будет name
, как в kantrowitz$name
.
В базе R я бы выполнил слияние таким образом:
merge(test_data, kantrowitz, by.x = "first_names", by.y = "name", all.x = TRUE)
Это возвращает правильный вывод:
first_name gender
1 abby either
2 bill either
3 john M
4 madison M
5 zzz <NA>
Но я хочу сделать это в dplyr, потому что я использую этот пакет для всех моих других манипуляций с данными. Опция dplyr by
для различных *_join
функций позволяет мне указывать только одно имя столбца, но мне нужно указать два. Я ищу что-то вроде этого:
library(dplyr)
# either
left_join(test_data, kantrowitz, by.x = "first_name", by.y = "name")
# or
left_join(test_data, kantrowitz, by = c("first_name", "name"))
Каков способ выполнить этот вид соединения с помощью dplyr?
(Неважно, что корпус Кантровица - плохой способ определить пол. Я работаю над лучшей реализацией, но я хочу, чтобы эта работа была первой.)