Смешанное слияние в R - решение подзаголовка?

Примечание. Я изменил этот пример с того момента, когда я впервые разместил его. Мой первый пример был слишком упрощен, чтобы зафиксировать реальную проблему.

У меня есть два кадра данных, которые по-разному сортируются в одном столбце. Я хочу сопоставить один столбец, а затем объединить значение из второго столбца. Вторая колонка должна оставаться в том же порядке.

Итак, у меня есть это:

state<-c("IA","IA","IA","IL","IL","IL")
value1<-c(1,2,3,4,5,6)
s1<-data.frame(state,value1)
state<-c("IL","IL","IL","IA","IA","IA")
value2<-c(3,4,5,6,7,8)
s2<-data.frame(state,value2)

s1
s2

который возвращает это:

> s1
  state value1
1    IA      1
2    IA      2
3    IA      3
4    IL      4
5    IL      5
6    IL      6
> s2
  state value2
1    IL      3
2    IL      4
3    IL      5
4    IA      6
5    IA      7
6    IA      8

и я хочу это:

  state value1 value2
1    IA      1      6
2    IA      2      7
3    IA      3      8
4    IL      4      3
5    IL      5      4
6    IL      6      5

Я собираюсь заставить себя глупо пытаться решить это. Похоже, что это должна быть простая проблема с индексом.

Ответ 1

Есть несколько способов сделать это (это R, в конце концов), но я думаю, что наиболее ясным является создание индекса. Нам нужна функция, которая создает последовательный индекс (начиная с одного и заканчивая количеством наблюдений).

seq_len(3) 
> [1] 1 2 3

Но нам нужно вычислить этот индекс в каждой переменной (состоянии) группы. Для этого мы можем использовать функцию R ave. Он принимает числовое значение как первый аргумент, затем факторы группировки и, наконец, функцию, которая должна применяться в каждой группе.

s1$index <- with(s1,ave(value1,state,FUN=seq_len))
s2$index <- with(s2,ave(value2,state,FUN=seq_len))

(Обратите внимание на использование with, которое сообщает R для поиска переменных внутри среды /dataframe. Это лучше, чем использование s1 $value1, s2 $value2 и т.д.)

Теперь мы можем просто объединить (объединить) два кадра данных (по переменным, присутствующим в обоих кадрах данных: состоянии и индексе).

merge(s1,s2)

который дает

   state index value1 value2
1    IA     1      1      6
2    IA     2      2      7
3    IA     3      3      8
4    IL     1      4      3
5    IL     2      5      4
6    IL     3      6      5

Для этого в каждом из кадров данных должно быть такое же количество наблюдений по состоянию.

[Изменить: прокомментировал код для ясности.] [Edit: Используется seq_len вместо создания новой функции, предложенной hadley.]

Ответ 2

ПРИМЕЧАНИЕ. Проверьте 5-й комментарий к ответу выше. Решение должно быть

s1$index <- with(s1,ave(value1,state,FUN=seq_along))
s2$index <- with(s2,ave(value2,state,FUN=seq_along))

Протестировано и работает.