inner join 重复数据_【R语言新书】2.3 数据连接

张敬信：《R语言编程—基于tidyverse》新书信息汇总​zhuanlan.zhihu.com

数据分析经常会涉及相互关联的多个数据表，称为关系数据库。关系数据库通用语言是 SQL（结构化查询语言），dplyr 包提供了一系列类似 SQL 语法的函数，可以很方便地操作关系数据库。

关系是指两个数据表之间的关系，更多数据表之间的关系总可以表示为两两之间的关系。

一个项目的数据，通常都是用若干数据表分别存放，它们之间通过 "键" 连接在一起，根据数据分析的需要，通过键匹配进行数据连接。

例如，纽约机场航班数据的关系结构：

比如，想要考察天气状况对航班的影响，就需要先将数据表 flights 和 wheater

根据其键值匹配连接为一个新数据表。

键列（可以不止 1 列），能够唯一识别自己或别人数据表的每一个观测。要判断某（些）列是否是键列，可以先用 count() 计数，再看是否没有 n > 1 出现：

load("datas/planes.rda")
planes %>%
  count(tailnum) %>%
  filter(n > 1)

load("datas/weather.rda")
weather %>%
  count(year, month, day, hour, origin) %>%
  filter(n > 1)