4

Tengo varios df

structure(list(año = c(2007, 2008, 2009, 2010, 2011), cp = c(22, 
23, 22, 23, 25), tipo = c("verde", "rojo", "amarillo", "azul", 
"azul"), compras = c(1, 2, 3, 4, 5)), row.names = c(NA, -5L), class = c("tbl_df", 
"tbl", "data.frame"))

structure(list(año = c(2007, 2008, 2016, 2017, 2018), cp = c(32, 
23, 32, 33, 23), tipo = c("morado", "morado", "morado", "morado", 
"morado"), ventas = c(6, 7, 8, 9, 10)), row.names = c(NA, -5L
), class = c("tbl_df", "tbl", "data.frame"))

structure(list(año = c(2009, 2014, 2016, 2017, 2022), cp = c(2, 
1, 2, 3, 4), tipo = c("morado", "verde", "morado", "rojo", "amarillo"
), reserva = c(11, 12, 13, 14, 15)), row.names = c(NA, -5L), class = c("tbl_df", 
"tbl", "data.frame"))

Los cargo:

df1 <- read_excel("df1.xls")
df2 <- read_excel("df2.xls")
df3 <- read_excel("df3.xls")

Hay algunas columnas en común, las uno por esas columnas:

df1 %>% 
  full_join(df2, by = c("año","cp","tipo")) -> union

union %>% 
  full_join(df3, by = c("año","cp","tipo")) -> union2

y lo guardo todo en xls:

write.csv( union2 , 'union2.xls', quote = F,row.names = FALSE)

Si en vez de 3 df, tengo 300, ¿cómo lo hago en bucle?

Podría leer los ficheros así:

lista1 <- list.files(pattern = "*.xls")   
lista <- lapply(lista1, read_excel) 

pero a la hora de unirlos me pierdo.

2 respuestas 2

2

Si tienes una lista con todos los data frames, podrías unirlos todos así:

lista <- list(df1, df2, df3)

union <- lista[[1]]

columnas <- c("año", "cp", "tipo")

for (i in 2:length(lista)) {
  union <- union %>%
    full_join(lista[[i]], by = columnas)
}

Con tus datos de ejemplo no tiene mucho sentido unirlos de esta forma, por lo que revisa bien si es la forma que necesitas.

1

Al menos viendo los datos del ejemplo, entiendo que esto es lo que estarías buscando:

library(tidyverse)
library(openxlsx)

list.files(path = ".", pattern = 'df.*[.]xls', full.names=TRUE) %>%
  map_df(read_excel)

Si bien, técnicamente no es un join, tal como están los datos, tampoco estarías haciendo un join sino más bien un union o un bind_rows(), que, mediante map_df logramos lo mismo de una forma mucho más compacta. Si hay grupos que se repiten en cada data.frame simplemente, al fina deberías agrupar los datos y elegir un criterio para sumarizar, por ejemplo:

list.files(path = ".", pattern = 'df.*[.]xls', full.names=TRUE) %>%
  map_df(read_excel) %>% 
  group_by(año, cp, tipo) %>% 
  summarise_all(max)

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.