不用SQL，也可以实现数据集的合并和连接

最新推荐文章于 2023-01-17 00:34:54 发布

Sim1480

最新推荐文章于 2023-01-17 00:34:54 发布

阅读量258

点赞数

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）

#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

> #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

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

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。

> #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(……)

> #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

> #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

> #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

> #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

> #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

#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