在我们处理数据时，除了对单个表格进行处理，有时还需要对两个甚至多个表格进行操作。

1.数据框拼接：binding

我们现在有一个数据框的格式如下：

image

如果有另外一个数据框，和其排列相似，如何把两个数据框拼接在一起呢？

（1）生成一个相同格式的数据框

# 用R的data.frame函数创建一个相同格式的数据框
gene_exp_tidy2 <- data.frame(GeneId = rep("gene5", times = 3),sample_name = paste("sample", 1:3, sep = ""), expression = 2:4)

image

（2）将两个数据框拼接起来

# 1.使用R自带的函数rbind拼接
rbind(gene_exp_tidy,gene_exp_tidy2)  
# 2.使用dplyr的bind_rows函数
bind_rows(gene_exp_tidy,gene_exp_tidy2)

image

binding的具体用法：

image

2.交集、并集、差集

（1）构建一个由gene1和gene5组成的数据框

gene_exp_tidy3 <- filter(gene_exp_tidy, GeneId == "gene1")%>%
  bind_rows(gene_exp_tidy2)

image

(2)求交集、并集和差集

# 求两个数据框的交集
intersect(gene_exp_tidy, gene_exp_tidy3)

image

# 求两个数据框的并集（自动去除重复）
union(gene_exp_tidy, gene_exp_tidy3)

image

# 求两个数据框的并集，不去除重复
union_all(gene_exp_tidy, gene_exp_tidy3)

image

# 求两个数据框的差集
setdiff(gene_exp_tidy, gene_exp_tidy3)

image

3.内连接、左连接、右连接、全连接

image

上图中，左边的数据框中有基因的表达信息，右边的数据框中有基因的功能注释，如何把两个数据框相关联，将基因功能注释添加到基因的表达信息中呢？

左连接：以第一个数据框为准，将第二个数据框的相关信息添加进去

# 将两张表以GeneId进行关联
left_join(gene_exp_tidy, gene_anno, by = "GeneId")

image

在上面的例子中。两张表都有GeneId一列，列名完全相同，如果两个列名不完全相同时怎么办呢？

我们先将第二个数据框中的GeneId进行修改：

# 使用rename函数将GeneId换成Geneid
gene_anno <- rename(gene_anno, Geneid = GeneId)
# 将两个数据框关联，设置两个数据框中相同的列名
left_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

image

右连接：以第二个数据框为准，将第一个数据框中的相关信息添加进去

# 右连接
right_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

image

内连接：保留两个数据框中共有的GeneId

# 内连接
inner_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

image

全连接：保留两张表格中所有GeneId的信息

# 全连接
full_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

image

4.半连接、反连接

半连接：只保留第二个数据框中包含的GeneId信息

# 半连接
semi_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

image

反连接：只保留第二个数据框中不包含的GeneId信息

# 反连接
anti_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

image