欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

【R语言】-数据合并(连接)-merge、data.table、dplry

程序员文章站 2022-05-18 17:15:44
...
1、数据集合并简介

    实际操作中,我们经常需要引入其他表中的列,即将其他表中列加入到表中,需要把两个或者更多的表合并成一个,R语言中有几种常用的几个合并函数。这里主要介绍merge()函数、data.table包以及dplyr包中的合并数据方法。


2、数据集准备
##创建学生信息表
student <- data.frame("name" = c("张三", "李四", "王五", "马六"),
                      "score" = c(65, 70, 61, 98))

##创建学生年级信息表
class <- data.frame(name = c("张三", "王五", "马六", "小明"),
                    "grade" = c("三年级", "二年级", "四年级", "四年级"))

##转换数据类型
library(data.table)
student.dt <- data.table(student)
class.dt <- data.table(class)

##转换数据类型
library(dplyr)
student.df <- tbl_df(student)
class.df <- tbl_df(class)

3、基本语法
3.1 merge()函数

merge(x,  y,  by,  by.x,  by.y, all,  all.x,  all.y...)

参数解释:

x,y:需要合并的数据集

by:用于连接两个数据集的列,当两个数据集公共列名相同,可以写成by = "公共列名"

by.x、by.y:用于指定依据哪个列合并,常用于当两个数据集公共列名不一样的时候;

all、all.x、all.y:指定x和y的行是否应该全部输出

sort:是否需要排序

3.2 data.table中的方法

首先创建公共键,可以理解为两个数据表连接的列。

setkey(x, column_name)

setkey(y, column_name)

然后基本语法:

x[y]  ##注意x和y数据类型为data.table

3.3 dplyr中的方法

基本语法

inner_join(x, y, by  ...)

left_join(x, y, by  ...)

right_join(x, y, by  ...)

full_join(x, y, by ...)

anti_join(x, y, by ...)

参数解释:

x、y为tbl_df类似数据

by:公共列,当公共列名相同的时候,直接使用by = "公共列名";当公共列名不同的时候,使用by = c("a" = "b"),可以理解x.a = y.b。


4、内连接
##merge函数实现
merge(student, class, by = "name")

##通过data.table实现
###创建键
setkey(student.dt, name)
setkey(class.dt, name)
###内连接实现,nomatch = 0限制是内连接
student.dt[class.dt,nomatch = 0]

##通过dplyr实现,与merge函数语句基本相同
inner_join(student.df, class.df, by = "name")

5、左连接

##merge函数实现
merge(student, class, by = "name", all.x = T)

###data.table中实现,哪个是主表,写在[]里面
class.dt[student.dt]

###dplyr中实现
left_join(student.df, class.df, by = "name")

6、右连接
##merge函数实现
merge(student, class, by = "name", all.y = T)

##data.table实现,哪个是主表,写在[]内
student.dt[class.dt]

##dplyr实现
right_join(student.df, class.df, by = "name")

7、其他连接
全连接
##merge函数实现
merge(student, class, by = "name",all = T)

##dplyr中实现
full_join(student.df, class.df, by = "name")
“差”连接:只存在一个表,另一个表中都不匹配的数据
##只存在student_df,class_df中不存在的数据
anti_join(student.df, class.df, by = "name")