Simple alternative for rbind.fill or bind_rows
rbind_dfs(x, y, clearRowNames = TRUE)One dataframe
Another dataframe
Whether to clear row names (to avoid duplication)
The merged dataframe
rbind_dfs(Orange, mtcars);
#> Tree age circumference mpg cyl disp hp drat wt qsec vs am gear carb
#> 1 1 118 30 NA NA NA NA NA NA NA NA NA NA NA
#> 2 1 484 58 NA NA NA NA NA NA NA NA NA NA NA
#> 3 1 664 87 NA NA NA NA NA NA NA NA NA NA NA
#> 4 1 1004 115 NA NA NA NA NA NA NA NA NA NA NA
#> 5 1 1231 120 NA NA NA NA NA NA NA NA NA NA NA
#> 6 1 1372 142 NA NA NA NA NA NA NA NA NA NA NA
#> 7 1 1582 145 NA NA NA NA NA NA NA NA NA NA NA
#> 8 2 118 33 NA NA NA NA NA NA NA NA NA NA NA
#> 9 2 484 69 NA NA NA NA NA NA NA NA NA NA NA
#> 10 2 664 111 NA NA NA NA NA NA NA NA NA NA NA
#> 11 2 1004 156 NA NA NA NA NA NA NA NA NA NA NA
#> 12 2 1231 172 NA NA NA NA NA NA NA NA NA NA NA
#> 13 2 1372 203 NA NA NA NA NA NA NA NA NA NA NA
#> 14 2 1582 203 NA NA NA NA NA NA NA NA NA NA NA
#> 15 3 118 30 NA NA NA NA NA NA NA NA NA NA NA
#> 16 3 484 51 NA NA NA NA NA NA NA NA NA NA NA
#> 17 3 664 75 NA NA NA NA NA NA NA NA NA NA NA
#> 18 3 1004 108 NA NA NA NA NA NA NA NA NA NA NA
#> 19 3 1231 115 NA NA NA NA NA NA NA NA NA NA NA
#> 20 3 1372 139 NA NA NA NA NA NA NA NA NA NA NA
#> 21 3 1582 140 NA NA NA NA NA NA NA NA NA NA NA
#> 22 4 118 32 NA NA NA NA NA NA NA NA NA NA NA
#> 23 4 484 62 NA NA NA NA NA NA NA NA NA NA NA
#> 24 4 664 112 NA NA NA NA NA NA NA NA NA NA NA
#> 25 4 1004 167 NA NA NA NA NA NA NA NA NA NA NA
#> 26 4 1231 179 NA NA NA NA NA NA NA NA NA NA NA
#> 27 4 1372 209 NA NA NA NA NA NA NA NA NA NA NA
#> 28 4 1582 214 NA NA NA NA NA NA NA NA NA NA NA
#> 29 5 118 30 NA NA NA NA NA NA NA NA NA NA NA
#> 30 5 484 49 NA NA NA NA NA NA NA NA NA NA NA
#> 31 5 664 81 NA NA NA NA NA NA NA NA NA NA NA
#> 32 5 1004 125 NA NA NA NA NA NA NA NA NA NA NA
#> 33 5 1231 142 NA NA NA NA NA NA NA NA NA NA NA
#> 34 5 1372 174 NA NA NA NA NA NA NA NA NA NA NA
#> 35 5 1582 177 NA NA NA NA NA NA NA NA NA NA NA
#> 36 <NA> NA NA 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
#> 37 <NA> NA NA 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
#> 38 <NA> NA NA 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
#> 39 <NA> NA NA 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
#> 40 <NA> NA NA 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
#> 41 <NA> NA NA 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
#> 42 <NA> NA NA 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
#> 43 <NA> NA NA 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
#> 44 <NA> NA NA 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
#> 45 <NA> NA NA 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
#> 46 <NA> NA NA 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
#> 47 <NA> NA NA 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
#> 48 <NA> NA NA 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
#> 49 <NA> NA NA 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
#> 50 <NA> NA NA 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
#> 51 <NA> NA NA 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
#> 52 <NA> NA NA 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
#> 53 <NA> NA NA 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
#> 54 <NA> NA NA 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
#> 55 <NA> NA NA 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
#> 56 <NA> NA NA 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
#> 57 <NA> NA NA 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
#> 58 <NA> NA NA 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
#> 59 <NA> NA NA 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
#> 60 <NA> NA NA 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
#> 61 <NA> NA NA 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
#> 62 <NA> NA NA 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
#> 63 <NA> NA NA 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
#> 64 <NA> NA NA 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
#> 65 <NA> NA NA 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
#> 66 <NA> NA NA 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
#> 67 <NA> NA NA 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2