Discussion :

[Atheris]

Bonjour à tous !

Je suis actuellement en train de fusionner une dizaine de base de données différentes dans le cadre d'un inventaire scientifique (faune et flore).

J'ai fusionné les bases grâce à la fonction smartbind, du package gtools.
Toutefois, les tableaux étant très différents les uns des autres, certaines colonnes sont appelées différemment dans deux bases de données mais contiennent les mêmes informations.

Par exemple :

Base_1

cd_ref	coord_x	coord_y	nom_cite
4319	4,1379241	43,537473	Muscicapa striata

Base_2

Latitude Y	Longitude X	milieu	nom scientifique
43,48525901	4,15973655	joncaie/roselière avec tamaris	Solenopsis fugax

Dans cet exemple, je cherche à fusionner ces deux bases afin d'ajouter les observations les unes en dessous des autres, mais je voudrais aussi faire correspondre les colonnes coord_x/Longitude X, coord_y/Latitude Y et nom_cite/nom scientifique afin de ne pas créer des colonnes supplémentaires, qui contiendraient la même information (et ainsi simplifier la base de donnée finale).

J'ai essayé d'utiliser full_join(Base_1,Base_2,by=c("nom_cite"="nom scientifique")) mais je me retrouve avec cette erreur :

Error: `by` can't contain join column `nom scientifique` which is missing from RHS
Call `rlang::last_error()` to see a backtrace

De plus, je ne suis pas sûre qu'une jointure soit très adaptée étant donnée que je souhaite ajouter des observations d'une base vers l'autre, observations qui sont donc indépendantes les unes des autres.

Auriez-vous des suggestions ?

Je vous remercie beaucoup par avance, merci d'avoir pris le temps de me lire !

Bérénice

[xavier-Pierre]

bonjour, une jointure n'est pas possible dans ce cas là
il faut dans un premier temps sélectionner seulement les colonnes qui t’intéressent dans les deux dataframes les (colonnes communes )
dans un deuxième temps il faut harmoniser les noms de colonnes des 2 dataframes
puis ajouter les données du deuxième dataframe au premier

un exemple de code avec le tidyverse

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
 
library(tidyverse)
## selection des colonnes
 Base_1 <- Base_1 %>% select( coord_x,coord_y, nom_cite)
 Base_2 <- Base_2 %>% select("Longitude X", "Longitude X","nom scientifique")
 
## harmonisation des noms de colonnes
 names(Base_2)<-names(Base_1)
 
##ajout des enregistrements
Base_resultat <- Base_1 %>% bind_rows(Base_2)

cdlt

[Atheris]

Bonjour,

Je te remercie beaucoup pour ta réponse.

J'ai deux petits problèmes en faisant tourner ton code.
Tout d'abord, lors de l'ajout des enregistrements, j'ai une erreur qui est sûrement due au format de mes colonnes :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
> Base_resultat <- sinp %>% bind_rows(bdd_foumis)
#Error: Column `id_uniq` can't be converted from integer to factor

Pour résoudre ce problème j'ai utilisé cette fonction et qui a l'air de fonctionner de la même façon :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

Base_resultat <- bind_rows(mutate_all(Base_1, as.character), mutate_all(Base_2, as.character))

Le second problème que j'ai est que mes bases de données n'ont pas la même armature.
Ma base de donnée "référence" (Base_1) a 84 colonnes et la seconde 9. Je cherche à garder toutes les colonnes de ma première base de donnée, et de faire correspondre les colonnes de la deuxième base à celles de la première. Les variables qui figurent dans la deuxième base n'auront pas de correspondance pour toutes les colonnes de la première base et dans ce cas je cherche à faire figurer un "NA" lorsqu'il n'y a pas d'information à renseigner pour une colonne.

Y a-t-il un moyen de garder toutes les colonnes de la Base_1 tout en harmonisant les noms des deux bases de données ?

Merci d'avance !

Bérénice

[xavier-Pierre]

tu peux utiliser la fonction add_row

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
resultat<-Base_1 %>% add_row(coord_x=Base_2$coord_x,coord_y=Base_2$coord_y,...) # tu mets toutes les variables que tu veux rajouter

tu n'as même pas besoin de changer les noms des colonnes de Base_2 (ex: coord_x=Base_2$`Longitude X`)

[Atheris]

Super ça fonctionne !

Merci infiniment pour ton aide et désolée pour mes questions quelque peu naïves

Bonne continuation,

Bérénice