在 R 中合并 DataFrames

2020-10-27 08:00:00 · 飞浪

连接数据集有助于清楚地了解存储在不同表或源中的数据之间的关系。

介绍

合并或连接数据框是将两个或多个数据框中的列组合在一起的过程。这是编程中众所周知的操作。在 R 中，我们可以使用两个函数执行连接：基础包的merge()和 dplyr 包的join()。在介绍这一点之前，本指南将介绍连接的类型。

连接类型

主要有四种类型的连接：

左外连接

假设您要连接两个表 A 和 B，其中 A 是左表，B 是右表。当您对 A 和 B 执行左外连接时，它将返回 A 中的所有行以及 B 中匹配的行。将返回 A 和 B 中的所有列，但 B 中不匹配的行的B 列值为NA。

右外连接

右外连接与左外连接类似。它将在左表中返回右表的所有匹配行。两个表的所有列都会返回，左表中不匹配的行将具有NA值。

内连接

内连接将返回两个表中所有匹配的行。如果两个表之间存在多个匹配项，则将返回所有组合。

完全加入

完全连接将返回两个表的所有行和列的值，无论它们是否匹配。

使用merge()连接数据框

merge ()函数属于 R 的基础包。您无需安装任何其他包即可使用merge()函数。merge ()函数的参数以及传入这些参数的默认值如下所示。

      # Syntax for merge function
merge(x, y, by = intersect(names(x), names(y)),
      by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all)
    

前两个参数x和y是需要连接的数据框的名称。
接下来的三个参数by、by.x和by.y决定了用于连接数据框的列。如果连接所需的列名称相同，则无需传递任何名称。如果它们不同，则必须传递by.x和by.y中的名称。
接下来的三个参数决定了merge()执行的连接类型。默认值将执行内连接。如果all.x设置为TRUE，则它将执行左外连接。如果all.y设置为TRUE，则它将执行右外连接。如果两者都设置为TRUE，则它将执行全外连接。

本例中使用的数据框是band_members和band_instruments。列详细信息如下所示。

      # Loading dplyr function to use the datasets present in the package
library(dplyr)
data(band_members)
data(band_instruments)

# Columns in band_instruments
colnames(band_instruments)
[1] "name"  "plays"

#Columns in band_members
colnames(band_members)
[1] "name" "band"

# Lets look at the data
view(band_instruments)
  name  plays 
  <chr> <chr> 
1 John  guitar
2 Paul  bass  
3 Keith guitar

view(band_members)
  name  band   
  <chr> <chr>  
1 Mick  Stones 
2 John  Beatles
3 Paul  Beatles
    

下一个示例中的代码将使用上述数据框和merge（）函数执行所有四种类型的连接。

      # Performing Left outer join
merge(band_members, band_instruments,  all.x = TRUE)
  name    band  plays
1 John Beatles guitar
2 Mick  Stones   <NA>
3 Paul Beatles   bass

# Performing Right outer join
merge(band_members, band_instruments,  all.y = TRUE)
   name    band  plays
1  John Beatles guitar
2 Keith    <NA> guitar
3  Paul Beatles   bass

# Performing Inner join
merge(band_members, band_instruments,  all.y = TRUE, all.x = TRUE)
   name    band  plays
1  John Beatles guitar
2 Keith    <NA> guitar
3  Mick  Stones   <NA>
4  Paul Beatles   bass

# Performing Full outer join
merge(band_members, band_instruments)
  name    band  plays
1 John Beatles guitar
2 Paul Beatles   bass
    

在连接的输出中，您可以看到，如果不存在匹配值，则它们将被分配为<NA>。在内连接的情况下，它仅显示两个数据框中的匹配值。

使用 dplyr::join 函数连接数据框

与merge()函数相比，dplyr有四种不同的函数用于不同类型的连接。它避免了混淆，因为您不必设置参数的值。连接函数如下：

inner_join()
左连接()
right_join()
完整连接（）

此示例将使用上述函数执行所有四种类型的连接。

      # Performing Inner join
inner_join(band_members, band_instruments, by = "name")

  name  band    plays 
  <chr> <chr>   <chr> 
1 John  Beatles guitar
2 Paul  Beatles bass

# Performing Left outer join  
left_join(band_members, band_instruments, by = "name")

  name  band    plays 
  <chr> <chr>   <chr> 
1 Mick  Stones  NA    
2 John  Beatles guitar
3 Paul  Beatles bass 

# Performing Right outer join 
 right_join(band_members, band_instruments, by = "name")

  name  band    plays 
  <chr> <chr>   <chr> 
1 John  Beatles guitar
2 Paul  Beatles bass  
3 Keith NA      guitar

# Performing Full outer join
full_join(band_members, band_instruments, by = "name")

  name  band    plays 
  <chr> <chr>   <chr> 
1 Mick  Stones  NA    
2 John  Beatles guitar
3 Paul  Beatles bass  
4 Keith NA      guitar
    

结论

当我们开始处理存储在不同表或源中的数据时，我们将开始探索它们之间的关系。在此过程中，我们将合并数据集以获得清晰的视图。此操作发生在每个围绕数据开展工作的项目中。

_{免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！}

_查看原文

技术指南

阅读全文

在 R 中合并 DataFrames

杭州电子商务研究院

4年前 · 面向社会、服务行业、政产学研结合、整合资源、和谐发展

# Loading dplyr function to use the datasets present in the package library(dplyr) data(band_members) data(band_instruments) # Columns in band_instruments colnames(band_instruments) [1] "name" "plays" #Columns in band_members colnames(band_members) [1] "name" "band" # Lets look at the data view(band_instruments) name plays <chr> <chr> 1 John guitar 2 Paul bass 3 Keith guitar view(band_members) name band <chr> <chr> 1 Mick Stones 2 John Beatles 3 Paul Beatles

# Performing Left outer join merge(band_members, band_instruments, all.x = TRUE) name band plays 1 John Beatles guitar 2 Mick Stones <NA> 3 Paul Beatles bass # Performing Right outer join merge(band_members, band_instruments, all.y = TRUE) name band plays 1 John Beatles guitar 2 Keith <NA> guitar 3 Paul Beatles bass # Performing Inner join merge(band_members, band_instruments, all.y = TRUE, all.x = TRUE) name band plays 1 John Beatles guitar 2 Keith <NA> guitar 3 Mick Stones <NA> 4 Paul Beatles bass # Performing Full outer join merge(band_members, band_instruments) name band plays 1 John Beatles guitar 2 Paul Beatles bass

# Performing Inner join inner_join(band_members, band_instruments, by = "name") name band plays <chr> <chr> <chr> 1 John Beatles guitar 2 Paul Beatles bass # Performing Left outer join left_join(band_members, band_instruments, by = "name") name band plays <chr> <chr> <chr> 1 Mick Stones NA 2 John Beatles guitar 3 Paul Beatles bass # Performing Right outer join right_join(band_members, band_instruments, by = "name") name band plays <chr> <chr> <chr> 1 John Beatles guitar 2 Paul Beatles bass 3 Keith NA guitar # Performing Full outer join full_join(band_members, band_instruments, by = "name") name band plays <chr> <chr> <chr> 1 Mick Stones NA 2 John Beatles guitar 3 Paul Beatles bass 4 Keith NA guitar