Estoy uniendo dos data.frames
enormes por una variable en común usando merge
, y el data.frame
final tiene muchísimas más líneas que los iniciales, lo cual me sugiere que está duplicando observaciones. Estoy usando:
df3 <- merge(df1, df2, by="ID", all=FALSE)
Se supone que con ese all=False
estaría evitando duplicados, ¿no?.
Pondré un ejemplo
df1
ID Ubicación AñoParto Hijos
26 0012 2000 2
26 0012 2002 3
26 0012 2005 2
42 0013 2001 1
42 0013 2002 1
42 0013 2007 2
Y otro df así
ID Ubicación AñoParto Observaciones Peso
26 0012 2000 1 300
26 0012 2000 2 450
26 0012 2000 3 650
26 0012 2002 1 250
26 0012 2002 2 450
26 0012 2005 1 550
26 0012 2005 2 650
26 0012 2005 3 900
42 0013 2001 1 300
42 0013 2001 2 450
42 0013 2002 1 520
42 0013 2007 1 250
42 0013 2007 2 550
Al final lo que quiero es
ID Ubicación AñoParto Observaciones Peso Hijos
26 0012 2000 1 300 2
26 0012 2000 2 450 2
26 0012 2000 3 650 2
26 0012 2002 1 250 3
26 0012 2002 2 450 3
26 0012 2005 1 550 2
26 0012 2005 2 650 2
26 0012 2005 3 900 2
42 0013 2001 1 300 1
42 0013 2001 2 450 1
42 0013 2002 1 520 1
42 0013 2007 1 250 2
42 0013 2007 2 550 2
Lo que me interesa es quedarme con un df final que solamente contenga los elementos que se unieron por la variable común "nombre"
, pero que me mantenga todas las columnas de df2
. He intentado también
df4 <- semi_join(df1, df2)
Pero veo que solamente conserva las variables del df1
, aunque diría que si deja solamente que tenían en común la variable "nombre"
.
¿Qué debo hacer?