R语言 数据（集）合并与连接/匹配 | 专题2

2020-07-10 15:43:44 浏览数 (2)

数据（集）处理是数据分析过程中的重要环节，今天特别整理数据（集）合并、增减与连接的相关内容，并逐一作出示例。

目 录

1 数据合并

1.1 cbind列合并（等长）

1.2 rbind行合并

2 数据连接/匹配

2.1 内连接

2.2 外连接

2.3 左连接

2.4 右连接

2.5 双（多）字段内连接

3 数据增减

正 文

1 数据合并

1.1 cbind列合并（等长）

总结：cbind等行数、按列合并（无序）

代码语言：javascript复制
#等长
#生成测试数据
> ID1 <- c(1:4)
> ID2 <- c(2:5)
> name<-c("A","B","C","D")
> score<-c(8,22,7,6)
> student1<-data.frame(ID1,name)
> student2<-data.frame(ID2,score)

> student1
  ID1 name
1   1    A
2   2    B
3   3    C
4   4    D
> student2
  ID2 score
1   2     8
2   3    22
3   4     7
4   5     6
> cbind(student1,student2) #按照行合并student1和student2
  ID1 name ID2 score
1   1    A   2     8
2   2    B   3    22
3   3    C   4     7
4   4    D   5     6

1.2 rbind行合并

总结：按行合并，需要注意数据集需要有相同的列字段名

代码语言：javascript复制
> #生成测试数据student1
> ID <- c(1:4)
> score <- c(8,22,7,33)
> student1<-data.frame(ID,score)
> #生成测试数据student2
> ID <- c("A","B","C","D")
> score <- c(11,2,55,3)
> student2<-data.frame(ID,score)

> student1
  ID score
1  1     8
2  2    22
3  3     7
4  4    33
> student2
  ID score
1  A    11
2  B     2
3  C    55
4  D     3
> rbind(student1,student2) #按行合并，需要注意数据集需要有相同的列字段名
  ID score
1  1     8
2  2    22
3  3     7
4  4    33
5  A    11
6  B     2
7  C    55
8  D     3

2 数据连接/匹配

数据连接主要涉及到merge函数和dplyr包中的*_join等函数，另外sqldf函数（SQL）亦可以实现数据连接功能。本节主要就merge和dplyr::*_join函数做出解释。

merge函数语法

代码语言：javascript复制
merge(x, y, by = intersect(names(x), names(y)),
      by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,
      sort = TRUE, suffixes = c(".x",".y"), no.dups = TRUE,
      incomparables = NULL, ...)

其中，通过by字段控制连接字段by = "ID"为单字段连接，by = c("ID","NAME",……)为多字段连接；通过all=FALSE/TRUE、all.x = TRUE和all.y = TRUE实现内连接、外连接、左连接和右连接

dplyr包中的inner_join、left_join、right_join、full_join语法

代码语言：javascript复制
inner_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"),
  ...)
left_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...)
right_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"),
  ...)
full_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...)

其中，通过by控制连接字段，通过dplyr::*_join中的“*”控制连接形式。

代码语言：javascript复制
> #生成数据集1
> ID<-c(1,2,3)
> name<-c("Jim","Tony","Lisa")
> student1<-data.frame(ID,name)
> #生成数据集1
> ID<-c(1,2,5)
> score<-c(89,22,78)
> student2<-data.frame(ID,score)
> student1
  ID name
1  1  Jim
2  2 Tony
3  3 Lisa
> student2
  ID score
1  1    89
2  2    22
3  5    78

2.1 内连接（指定字段匹配输出）

总结：merge(……,all=FALSE)等价dplyr::inner_join(……)

代码语言：javascript复制
> #内连接
> merge(student1,student2,by="ID",all=FALSE)
  ID name score
1  1  Jim    89
2  2 Tony    22
> dplyr::inner_join(student1,student2,by="ID")
  ID name score
1  1  Jim    89
2  2 Tony    22

2.2 外连接

总结：merge(……,all=TRUE)等价dplyr::full_join(……)所有数据均加入，如无法连接则生成NA

代码语言：javascript复制
> #外连接
> merge(student1,student2,by="ID",all=TRUE)
  ID name score
1  1  Jim    89
2  2 Tony    22
3  3 Lisa    NA
4  5 <NA>    78
> dplyr::full_join(student1,student2,by="ID")
  ID name score
1  1  Jim    89
2  2 Tony    22
3  3 Lisa    NA
4  5 <NA>    78

2.3 左连接

总结：merge(……,all.x=TRUE)等价dplyr::left_join(……)所有左侧（x）数据均加入，即使无法连接亦保留

代码语言：javascript复制
> #左连接
> merge(student1,student2,by="ID",all.x=TRUE)
  ID name score
1  1  Jim    89
2  2 Tony    22
3  3 Lisa    NA
> dplyr::left_join(student1,student2,by="ID")
  ID name score
1  1  Jim    89
2  2 Tony    22
3  3 Lisa    NA

2.4 右连接

总结：merge(……,all.y=TRUE)等价dplyr::right_join(……)所有右侧（y）数据均加入，即使无法连接亦保留

代码语言：javascript复制
> #右连接
> merge(student1,student2,by="ID",all.y=TRUE)
  ID name score
1  1  Jim    89
2  2 Tony    22
3  5 <NA>    78
> dplyr::right_join(student1,student2,by="ID")
  ID name score
1  1  Jim    89
2  2 Tony    22
3  5 <NA>    78

2.5 双（多）字段内连接

代码语言：javascript复制
> #生成数据集1
> ID<-c(1,2,3)
> SD <- c(1,2,3)
> name<-c("Jim","Tony","Lisa")
> student1<-data.frame(ID,SD,name)
> #生成数据集1
> ID<-c(1,2,5)
> SD <- c(5,2,3)
> score<-c(89,22,78)
> student2<-data.frame(ID,SD,score)
> student1
  ID SD name
1  1  1  Jim
2  2  2 Tony
3  3  3 Lisa
> student2
  ID SD score
1  1  5    89
2  2  2    22
3  5  3    78
> 
> #多字段内连接
> merge(student1,student2,by=c("ID","SD"),all=FALSE)
  ID SD name score
1  2  2 Tony    22
> dplyr::inner_join(student1,student2,by=c("ID","SD"))
  ID SD name score
1  2  2 Tony    22

3 数据增减

常见如以下不同方法

代码语言：javascript复制
#方法一：减行数或列数
x=x[,-1] #代表删除x数据集中第一列数据

#方法二：dplyr::mutate
#数值重定义和赋值
#将Ozone列取负数赋值给new，然后Temp列重新计算为(Temp - 32) / 1.8
mutate(airquality, new = -Ozone, Temp = (Temp - 32) / 1.8)

#方法三：subset筛选变量服从某值的子集
subset(airquality, Temp > 80, select = c(Ozone, Temp))

#方法四：rbind和cbind
sql dplyr join merge na

0 人点赞