R语言数据集合并、数据增减、不等长合并

数据选取与简单操作：

which	返回一个向量中指定元素的索引
which.max	返回最大元素的索引
which.min	返回最小元素的索引
sample	随机在向量中抽取元素
subset	根据条件选取元素
sort	升序排列元素
rev	反转所有元素
order	获取排序后的索引
table	返回频数表
cut	将数据分割为几部分
split	按照指定条件分割数据
rbind	行合并
cbind	列合并
merge	按照指定列合并矩阵或者数据框

一、数据合并

1、merge()函数

最常用merge()函数，但是这个函数使用时候这两种情况需要注意：

1、merge(a,b)，纯粹地把两个数据集合在一起，没有沟通a、b数据集的by，这样出现的数据很多，相当于a*b条数据；

2、merge函数是匹配到a,b数据集的并，都有的才匹配出来，如果a、b数据集ID不同，要用all=T（下面有all用法的代码）。

[plain]  view plain  copy

1. #横向合并  
2. ID<-c(1,2,3,4)  
3. name<-c("Jim","Tony","Lisa","Tom")  
4. score<-c(89,22,78,78)  
5. student1<-data.frame(ID,name)  
6. student2<-data.frame(ID,score)  
7. total_student<-merge(student1,student2,by="ID")  #或者rbind()  
8. total_student  

[plain]  view plain  copy

1. #纵向合并  
2. ID<-c(1,2,3)  
3. name<-c("Jame","Kevin","Sunny")  
4. student1<-data.frame(ID,name)  
5. ID<-c(4,5,6)  
6. name<-c("Sun","Frame","Eric")  
7. student2<-data.frame(ID,name)  
8. total<-cbind(student1,student2)  
9. total  

merge的all用法

[plain]  view plain  copy

1. > id=c("1","2","3")  
2. > M=c("7","2","3")  
3. > ink2=data.frame(id,M)  
4. >   
5. > merge(ink1,ink2,by="id",all=T)  #所有数据列都放进来，空缺的补值为NA  
6.   id    R    M  
7. 1  1    9    7  
8. 2  2    7    2  
9. 3  4    9 <NA>  
10. 4  3 <NA>    3  
11. > merge(ink1,ink2,by="id",all=F)  #默认，只取两者的共有的部分  
12.   id R M  
13. 1  1 9 7  
14. 2  2 7 2  

其中，all=T代表全连接，all.x=T代表左联结；all.y=T代表右连接

2、dplyr包

dplyr包的数据合并，

一般用left_join(x,y,by="name")  以x为主，y中匹配到的都放进来， 但，y中没有的则不放过来。

需要这个x数据集是全集，比较大。

3、paste函数

生成一长串字符向量。

[plain]  view plain  copy

1. paste(c("X","Y"),1:10,sep="")      #"X”,"Y"是长度为2的字符向量,1:10 长度为10的向量。命令是让这两个向量粘合在一起生成新的字符串向量，粘合后的新字符之间没有间隔。  

[plain]  view plain  copy

1. #—————————paste中seq与collapse区别————————————————————  
2. a = c(1, 2, 3, 4, 5)  
3. names(a) = c('m', 'n','o', 'p', 'q')  
4. # 主要是区分使用sep和collapse  
5. b = paste(a, names(a), sep = "/")          #不同向量合并在一起，但是还是各自向量  
6. c = paste(b, collapse = ",")               #不同向量合并在一起，但是变成一个向量  
7. mode(b) #变量类型  
8. mode(c)  

4、cbind和rbind函数

cbind()和rbind()，cbind()按照纵向方向，或者说按列的方式将矩阵连接到一起。

rbind()按照横向的方向，或者说按行的方式将矩阵连接到一起

rbind/cbind对数据合并的要求比较严格：合并的变量名必须一致；数据等长；指标顺序必须一致。相比来说，其他一些方法要好一些，有dplyr，sqldf中的union

5、sqldf包

利用SQL语句来写，进行数据合并，适合数据库熟悉的人，可参考： 

R语言︱ 数据库SQL-R连接与SQL语句执行（RODBC、sqldf包）

二、数据增减

[plain]  view plain  copy

1. x=x[,-1]  #这个就代表，删除了x数据集中第一列数据  

或用dplyr包中的mutate函数

[plain]  view plain  copy

1. a=mutate(Hdma_dat,dou=2*survived,dou4=4*survived)   
2. Hdma_dat$dou=a$dou  
3. Hdma_dat$dou4=a$dou4   #两个新序列，加入到Hdma数据集汇总  

筛选变量服从某值的子集

[plain]  view plain  copy

1. subset(airquality, Temp > 80, select = c(Ozone, Temp))  
2. subset(airquality, Day == 1, select = -Temp)  
3. subset(airquality, select = Ozone:Wind)  

三、数据纵横加总

R使用rowSums函数对行求和，使用colSums函数对列求和。

四、不等长合并

1、plyr包

rbind.fill函数可以很好将数据进行合并，并且补齐没有匹配到的缺失值为NA。

[plain]  view plain  copy

1. #————————————————————————————不等长合并  
2. #如何解决合并时数据不等长问题——两种方法：do.call函数以及rbind.fill函数（plyr包）  
3. #rbind.fill函数只能合并数据框格式  
4. #do.call函数在数据框中执行函数（函数，数据列）  
5. library("plyr")  #加载获取rbind.fill函数  
6. #第一种方法  
7. list1<-list()  
8. list1[[1]]=data.frame(t(data.frame(Job_Pwordseg.ct[1])))  
9. list1[[2]]=data.frame(t(data.frame(Job_Pwordseg.ct[2])))  
10. do.call(rbind.fill,list1)  
11. #第二种方法  
12. u=rbind.fill(data.frame(t(data.frame(Job_Pwordseg.ct[1]))),data.frame(t(data.frame(Job_Pwordseg.ct[2]))))  

核心函数是plyr包中的rbind.fill函数（合并的数据，必须是data.frame），do.call可以用来批量执行。（do.call用法）

关于do.call其他用法（R语言 函数do.call()使用 ）

有一个list，想把里面的所有元素相加求和。发现了两个很有意思的函数

list <- list(matrix(1:25, ncol = 5), matrix(4:28, ncol = 5), matrix(21:45, ncol=5)) 

list.sum<-do.call(sum,list)

list.sum<-do.call(cbind,list)  

do.call() 是告诉list一个函数，然后list里的所有元素来执行这个函数。

2、dplyr包

dplyr::bind_rows()

[html]  view plain  copy

1.     mpg   cyl    hp  drat    wt  qsec    vs    am  gear  carb  disp  
2.   (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl)  
3. 1  21.0     6   110  3.90 2.620 16.46     0     1     4     4    NA  
4. 2  21.0     6   110  3.90 2.875 17.02     0     1     4     4    NA  
5. 3  22.8     4    93  3.85 2.320 18.61     1     1     4     1    NA  
6. 4  21.4     6   110  3.08 3.215 19.44     1     0     3     1    NA  
7. 5  17.8     6   123  3.92 3.440 18.90     1     0     4     4 167.6  
8. 6  16.4     8   180  3.07 4.070 17.40     0     0     3     3 275.8  
9. 7  17.3     8   180  3.07 3.730 17.60     0     0     3     3 275.8  
10. 8  15.2     8   180  3.07 3.780 18.00     0     0     3     3 275.8  

效果是，不匹配到的放在最后，且等于NA  NA  NA  NA