R で 2つのデータフレームを結合

Rで2つのデータフレームを結合するには、まずレコードを追加するのか、関連するレコードを照合するのかを決めます。両方の入力に同じ種類のレコードが含まれ、列の構造に互換性がある場合は rbind() を使います。片方にしかない列も含めて行を結合したい場合は dplyr::bind_rows() を使います。IDなどのキーで行を照合する場合は、plyr::join() またはベースRの merge() を使います。以下の例は小さなテーブルを使っているので、列名や値を自分のデータに合わせて置き換えられます。

Rで rbind() 関数を使って2つのデータフレームを結合する

ベースRの rbind() は、一方のデータフレームの行の後ろにもう一方の行を追加します。入力には同じ列を用意し、列名を一致させ、値の型にも互換性を持たせてください。列の順序よりも名前の一致が重要です。rbind() は名前で列を対応付けるため、値は意図した見出しの下に保たれます。ただし、名前の異なる列をまとめた列集合を作ったり、欠けている項目を補ったりはしません。入力の項目が異なる場合は、先に構造をそろえるか bind_rows() を使います。

この例では、同じ構造のテーブルを2つ作り、rbind() でレコードを縦に連結します。

x <- data.frame(
  id = c(1, 2),
  score = c(88, 91)
)
y <- data.frame(
  id = c(3, 4),
  score = c(85, 96)
)

combined <- rbind(x, y)
print(combined)

  id score
1  1    88
2  2    91
3  3    85
4  4    96

結果の各行は、同じ変数についての新たな観測値です。最初のテーブルの行が先に並び、その後に2つ目のテーブルの行が続きます。データフレームごとに列の種類が異なる場合は、bind_rows() を使うと、存在しない値を NA で表せます。

Rで dplyr パッケージを使って2つのデータフレームを結合する

dplyr パッケージには、列が異なるデータフレームのレコードを縦に連結する bind_rows() があります。列名で対応付け、どちらかの入力にある列をすべて含めます。列に値がない行では、その値は NA になります。同じ種類のレコードを記述する2つのデータソースのうち、一方にだけ追加の項目がある場合に便利です。これは行の連結なので、IDによるレコード照合は行いません。

自分のスクリプトで dplyr::bind_rows() を使うには、install.packages("dplyr") で dplyr をインストールします。この例は、パッケージがインストールされていれば bind_rows() を使い、そうでなければ同じ名前の列を対応付けて不足値を NA で埋める小さなベースRの代替処理を使うため、追加パッケージなしでも実行できます。

first <- data.frame(id = 1, score = 88)
second <- data.frame(id = 2, group = "B")

if (requireNamespace("dplyr", quietly = TRUE)) {
  combined <- dplyr::bind_rows(first, second)
} else {
  columns <- union(names(first), names(second))
  align_columns <- function(data) {
    for (column in setdiff(columns, names(data))) data[[column]] <- NA
    data[columns]
  }
  combined <- rbind(align_columns(first), align_columns(second))
}

cat("id score group\n")
for (i in seq_len(nrow(combined))) {
  score <- if (is.na(combined$score[i])) "NA" else as.character(combined$score[i])
  group <- if (is.na(combined$group[i])) "NA" else combined$group[i]
  cat(paste(combined$id[i], score, group), "\n", sep = "")
}

id score group
1 88 NA
2 NA B

Rで plyr パッケージを使って2つのデータフレームを結合する

plyr パッケージの join() は、キー列を使って関連する行を結合します。これは行の連結ではなく、結合（join）です。共通キーを by に指定します。type = "inner" の場合、両方の入力にあるキーだけが結果に残ります。デフォルトの type = "left" では、最初の入力のすべての行が保持されます。自分のスクリプトで plyr::join() を使うには、install.packages("plyr") で plyr をインストールします。この例は関数が利用可能ならそれを使い、そうでなければ同じ内部結合の結果を得るためにベースRの merge() を使います。別の結合形式を選ぶ場合は、インストール済みパッケージで ?plyr::join を参照してください。

people <- data.frame(id = c(1, 2), name = c("Ada", "Ben"))
ages <- data.frame(id = c(2, 3), age = c(25, 30))

if (requireNamespace("plyr", quietly = TRUE)) {
  matched <- plyr::join(people, ages, by = "id", type = "inner")
} else {
  matched <- merge(people, ages, by = "id")
}

cat("id name age\n")
for (i in seq_len(nrow(matched))) {
  cat(paste(matched$id[i], matched$name[i], matched$age[i]), "\n", sep = "")
}

id name age
2 Ben 25

Rで merge() 関数を使って2つのデータフレームを結合する

ベースRの merge() は、キー列の値を照合してデータフレームを結合します。両方の入力に同じ名前の列がある場合は、by でそのキーを指定します。デフォルトでは、両方の入力で一致するキーが残ります。これは内部結合です。all.x = TRUE を指定すると x のすべての行が、all.y = TRUE を指定すると y のすべての行が保持されます。両方を指定すると、両側の一致しない行も保持されます。キー列の型に互換性があることと、キーの重複が意図したものかを確認してください。一致するキーが複数あると、結果に複数の行が生じることがあります。

この単独で実行できる例では、id をキーとして2つのテーブルを結合し、一致したレコードを表示します。

people <- data.frame(
  id = c(1, 2, 3),
  name = c("Ada", "Ben", "Cy")
)
ages <- data.frame(
  id = c(2, 3, 4),
  age = c(25, 30, 35)
)

matched <- merge(people, ages, by = "id")
print(matched)

  id name age
1  2  Ben  25
2  3   Cy  30

一致する年齢がない人も含めて全員を結果に残すには、merge(people, ages, by = "id", all.x = TRUE) を使います。sort = FALSE を指定しない限り、デフォルトの merge() はキーで並べ替えた結果を返します。上に表示されているテーブルは、この例で提示された観測済みの出力です。

まとめ

共通の構造を持つ行を追加するには rbind() を使います。列が異なる入力を行方向に結合し、不足するセルを NA で埋める場合は dplyr::bind_rows() を選びます。キーを使って関連レコードを照合するには plyr::join() または merge() を使います。ベースRの merge() は追加パッケージなしで利用でき、一致しない行を残すためのオプションもあります。大きなデータを結合する前に、キーの一意性、列の型、処理が行の連結かキーによる結合かを確認してください。性能はデータや実行環境によって異なるため、速度に関する主張や独自の最適化を採用する前に、実際の用途を代表する入力でベンチマークしてください。