【R语言】数据合并(连接)-merge、data.table、dplry
0. 前言
实际操作中，我们经常需要引入其他表中的列，即将其他表中列加入到表中，需要把两个或者更多的表合并成一个，R语言中有几种常用的几个合并函数。这里主要介绍merge()函数、data.table包以及dplyr包中的合并数据方法。
1. 数据集准备
##创建学生信息表
student <- data.frame("name" = c("张三", "李四", "王五", "马六"),
"score" = c(65, 70, 61, 98))
##创建学生年级信息表
class <- data.frame(name = c("张三", "王五", "马六", "小明"),
"grade" = c("三年级", "二年级", "四年级", "四年级"))
##转换数据类型
library(data.table)
student.dt <- data.table(student)
class.dt <- data.table(class)
##转换数据类型
library(dplyr)
student.df <- tbl_df(student)
class.df <- tbl_df(class)
2. 基本语法
2.1 merge()函数
merge(x, y, by, by.x, by.y, all, all.x, all.y...)
参数解释：
x,y：需要合并的数据集
by：用于连接两个数据集的列，当两个数据集公共列名相同，可以写成by = "公共列名"
by.x、by.y：用于指定依据哪个列合并，常用于当两个数据集公共列名不一样的时候；
all、all.x、all.y：指定x和y的行是否应该全部输出
sort：是否需要排序
2.2. data.table中的方法
首先创建公共键，可以理解为两个数据表连接的列。
setkey(x, column_name)
setkey(y, column_name)
然后基本语法：
x[y] ##注意x和y数据类型为data.table
2.3 dplyr中的方法
基本语法
inner_join(x, y, by ...)
left_join(x, y, by ...)
right_join(x, y, by ...)
full_join(x, y, by ...)
anti_join(x, y, by ...)
参数解释：
x、y为tbl_df类似数据
by：公共列，当公共列名相同的时候，直接使用by = "公共列名";当公共列名不同的时候，使用by = c("a" = "b"),可以理解x.a = y.b。
3. 内连接
##merge函数实现
merge(student, class, by = "name")
##通过data.table实现
###创建键
setkey(student.dt, name)
setkey(class.dt, name)
###内连接实现，nomatch = 0限制是内连接
student.dt[class.dt,nomatch = 0]
##通过dplyr实现，与merge函数语句基本相同
inner_join(student.df, class.df, by = "name")
4. 左连接
##merge函数实现
merge(student, class, by = "name", all.x = T)
###data.table中实现，哪个是主表，写在[]里面
class.dt[student.dt]
###dplyr中实现
left_join(student.df, class.df, by = "name")
5. 右连接
##merge函数实现
merge(student, class, by = "name", all.y = T)
##data.table实现，哪个是主表，写在[]内
student.dt[class.dt]
##dplyr实现
right_join(student.df, class.df, by = "name")
6. 其他连接
全连接
##merge函数实现
merge(student, class, by = "name",all = T)
##dplyr中实现
full_join(student.df, class.df, by = "name")“差”连接：只存在一个表，另一个表中都不匹配的数据
##只存在student_df，class_df中不存在的数据
anti_join(student.df, class.df, by = "name")
