R data manipulateR语言

R 中几个常见的合并数据集方法

2021-05-11  本文已影响0人  木舟笔记
merge.jpg

Merge with dplyr()

Dplyr提供了一种很好的、方便的组合数据集的方法。

首先,我们建立两个数据集。表1包含两个变量,IDy,而表2包含了IDz。在每种情况下,我们都需要有一个关键变量。在本例中,ID是关键变量。该函数将在两个表中寻找相同的值,并将返回值添加到表1的右侧。

library(dplyr)
df_primary <- tribble(
  ~ID, ~y,
   "A", 5,
   "B", 5,
   "C", 8,
   "D", 0,
  "F", 9)
df_secondary <- tribble(
  ~ID, ~z,
   "A", 30,
   "B", 21,
   "C", 22,
   "D", 25,
   "E", 29)
> df_primary
# A tibble: 5 x 2
  ID        y
  <chr> <dbl>
1 A         5
2 B         5
3 C         8
4 D         0
5 F         9
> df_secondary
# A tibble: 5 x 2
  ID        z
  <chr> <dbl>
1 A        30
2 B        21
3 C        22
4 D        25
5 E        29

left_join()

合并两个数据集的最常见方法是使用left_join()函数。我们可以从下面的图片中看到,关键变量完美地匹配了两个数据集中的行A、B、C和D。但是,剩下E和F。我们如何看待这两个观察结果?使用left_join(),我们将在原始表中保留所有变量,而不考虑目标表中没有匹配到的变量。在我们的示例中,变量E不存在于表1中。因此,该行将被删除。变量F来自原始表,因此它将保留在left_join()之后,并在列z显示为NA。如下图所示:

210510_1
left_join(df_primary, df_secondary, by ='ID')
> left_join(df_primary, df_secondary, by ='ID')
# A tibble: 5 x 3
  ID       y   z
  <chr> <dbl> <dbl>
1 A         5    30
2 B         5    21
3 C         8    22
4 D         0    25
5 F         9    NA

right_join()

right_join()函数的工作方式与left_join()完全相同。唯一的区别是被删除的行。right_join()将目标数据集中的变量E存在于新表中,并为列y取值NA

210510_2
right_join(df_primary, df_secondary, by = 'ID')
> right_join(df_primary, df_secondary, by = 'ID')
# A tibble: 5 x 3
  ID       y   z
  <chr> <dbl> <dbl>
1 A         5    30
2 B         5    21
3 C         8    22
4 D         0    25
5 E        NA    29

inner_join()

当两个数据集不匹配时,我们可以考虑只返回两个数据集中存在的行。inner_join()可以排除不匹配的行。

210510_3
inner_join(df_primary, df_secondary, by ='ID')
> inner_join(df_primary, df_secondary, by ='ID')
# A tibble: 4 x 3
  ID       y   z
  <chr> <dbl> <dbl>
1 A         5    30
2 B         5    21
3 C         8    22
4 D         0    25

full_join()

full_join()函数保留所有的观察结果,并用NA替换缺失的值。

210510_4
full_join(df_primary, df_secondary, by = 'ID')
> full_join(df_primary, df_secondary, by = 'ID')
# A tibble: 6 x 3
  ID       y   z
  <chr> <dbl> <dbl>
1 A         5    30
2 B         5    21
3 C         8    22
4 D         0    25
5 F         9    NA
6 E        NA    29

Multiple keys pairs

如果有多个关键变量时,则需一起使用。

210510_5
df_primary <- tribble(
  ~ID, ~year, ~items,
  "A", 2015,3,
  "A", 2016,7,
  "A", 2017,6,
  "B", 2015,4,
  "B", 2016,8,
  "B", 2017,7,
  "C", 2015,4,
  "C", 2016,6,
  "C", 2017,6)
df_secondary <- tribble(
  ~ID, ~year, ~prices,
  "A", 2015,9,
  "A", 2016,8,
  "A", 2017,12,
  "B", 2015,13,
  "B", 2016,14,
  "B", 2017,6,
  "C", 2015,15,
  "C", 2016,15,
  "C", 2017,13)
left_join(df_primary, df_secondary, by = c('ID', 'year'))
> left_join(df_primary, df_secondary, by = c('ID', 'year'))
# A tibble: 9 x 4
  ID     year items prices
  <chr> <dbl> <dbl>  <dbl>
1 A      2015     3      9
2 A      2016     7      8
3 A      2017     6     12
4 B      2015     4     13
5 B      2016     8     14
6 B      2017     7      6
7 C      2015     4     15
8 C      2016     6     15
9 C      2017     6     13

相关文章:

apply | R中函数的简单循环

aggregate | 在R中进行分组统计

上一篇下一篇

猜你喜欢

热点阅读