Joining Dataframes

键

• 一个变量存在于两个表中，并可唯一标识其中一个表。相对于可唯一标识的表，该变量称主键；相对于另一个表，该变量称外键。
• 人为添加的主键称代理键。
  如：

flights %>% mutate(iden=row_number())
#iden就是代理键，将每个观测值依次标为1,2,3...

#judge whether the key is a primary key
Lahman::Batting %>%
  count(playerID, yearID, stint) %>%
  filter(n > 1) %>%
  nrow()
#> [1] 0
#I can conclude that this set of three keys are primary keys

#a more direct way
ggplot2::diamonds %>%
  distinct() %>%
  nrow()
#> [1] 53794
nrow(ggplot2::diamonds)
#> [1] 53940
#if the latter number is larger,it denotes that the dataset does not have a primary key

合并连接

1.连接方式
内连接（只保留相同） ，左连接（保留左侧），右连接（保留右侧），全连接（两侧都保留）
#无对应部分用NA代替
#重复部分依次对应连接

格式均为：

inner_join(x,y,by="key")
left_join(x,y,by="key")
#诸如此类.by = 可以省略

2.键列

• by = NULL（直接不写） 直接将所有公共变量当成键
• by = c（“a”=“b”） 将左表的a和右表的b连接

#show the route of flights
flights_latlon <- flights %>%
  inner_join(select(airports, origin = faa, origin_lat = lat, origin_lon = lon),
    by = "origin"
  ) %>%
  inner_join(select(airports, dest = faa, dest_lat = lat, dest_lon = lon),
    by = "dest"
  )

筛选连接

• semi_join( )：保留左表中某变量与右表匹配的部分
• anti_join()：去除左表中某变量与右表匹配的部分

集合

intersect(a,b) 可以将a、b中的共同元素显示出来