仅当条件满足时如何创建新变量？

Question

我想创建一个新变量，从两个不同的数据集中减去两个变量。但我需要 R 只对引用同一事物的值产生差异......在我的例子中，“同一事物”是第三个变量

COD_PROV

，它表示城市。

我需要 R 区分数据集 1 的

Real Wage

变量和数据集 2 的

Real Wage

变量，但前提是这些实际工资的

COD_PROV

相同。

这是数据集 1

的示例

COD_PROV     Real wage 
1            1962,18
6            1742,85
5            1541,81
96           1612,2
4            1574
3            1823,53
103          1584,49
2            1666,21
7            1747,81
10           2066,42
8            1498,01
11           1871,34
9            1770,41
15           2240,03
16           1729,17
17           1773,38
13           1832,57

Datset 2 具有相同的框架，但缺少 COD_PROV 的某些值

COD_PROV     Real wage 
1            4962,18
6            1542,85
5            3541,81
4            1564
3            1223,53
2            1446,21
7            1557,81
10           2226,42
8            1458,01
11           1843,34
16           1439,17
17           1883,38
13           1992,57

我试过了

new <- mutate( dataset1, `Wage Difference ` = dataset1$`Real wage` - dataset2$`Real wage` )

但R当然会回复

Error in mutate():
ℹ In argument: Wage difference = ... - dataset1$Real wage.
Caused by error:
! Wage difference must be size 105 or 1, not 106.
Run rlang::last_error() to see where the error occurred.

我想原因是数据集 2 的观测值少于数据集 1（特别是缺少 COD_PROV 的某些值）...我如何才能仅对相同的 COD_PROV 值应用差异？

Answer 1

我认为你应该将它们加入/合并在一起，然后计算差异。

library(dplyr)
dataset1 %>%
  left_join(dataset2, by = "COD_PROV", suffix = c("", ".y")) %>%
  mutate(diff = `Real wage` - `Real wage.y`)
#    COD_PROV Real wage Real wage.y  diff
# 1         1   1962.18     4962.18 -3000
# 2         6   1742.85     1542.85   200
# 3         5   1541.81     3541.81 -2000
# 4        96   1612.20          NA    NA
# 5         4   1574.00     1564.00    10
# 6         3   1823.53     1223.53   600
# 7       103   1584.49          NA    NA
# 8         2   1666.21     1446.21   220
# 9         7   1747.81     1557.81   190
# 10       10   2066.42     2226.42  -160
# 11        8   1498.01     1458.01    40
# 12       11   1871.34     1843.34    28
# 13        9   1770.41          NA    NA
# 14       15   2240.03          NA    NA
# 15       16   1729.17     1439.17   290
# 16       17   1773.38     1883.38  -110
# 17       13   1832.57     1992.57  -160

有关连接/合并的更多信息，请参阅如何连接（合并）数据框（内部、外部、左侧、右侧）、INNER JOIN、LEFT JOIN、RIGHT JOIN 和 FULL JOIN 之间有什么区别？ .

---

数据

dataset1 <- structure(list(COD_PROV = c(1L, 6L, 5L, 96L, 4L, 3L, 103L, 2L, 7L, 10L, 8L, 11L, 9L, 15L, 16L, 17L, 13L), "Real wage" = c(1962.18, 1742.85, 1541.81, 1612.2, 1574, 1823.53, 1584.49, 1666.21, 1747.81, 2066.42, 1498.01, 1871.34, 1770.41, 2240.03, 1729.17, 1773.38, 1832.57)), row.names = c(NA, -17L), class = "data.frame")
dataset2 <- structure(list(COD_PROV = c(1L, 6L, 5L, 4L, 3L, 2L, 7L, 10L, 8L, 11L, 16L, 17L, 13L), "Real wage" = c(4962.18, 1542.85, 3541.81, 1564, 1223.53, 1446.21, 1557.81, 2226.42, 1458.01, 1843.34, 1439.17, 1883.38, 1992.57)), row.names = c(NA, -13L), class = "data.frame")

Answer 2

我们可以使用{powerjoin}：

powerjoin::power_left_join(dataset1, dataset2, by = "COD_PROV", conflict = `-`)
#>    COD_PROV Real wage
#> 1         1     -3000
#> 2         6       200
#> 3         5     -2000
#> 4        96        NA
#> 5         4        10
#> 6         3       600
#> 7       103        NA
#> 8         2       220
#> 9         7       190
#> 10       10      -160
#> 11        8        40
#> 12       11        28
#> 13        9        NA
#> 14       15        NA
#> 15       16       290
#> 16       17      -110
#> 17       13      -160

^{创建于 2023-03-17 与 reprex v2.0.2}