R语言中的表连接
一、表连接
在科研中，常常需要将两个表根据某个/些字段进行连接（如将气象站点的坐标与站点的降水值进行连接）。在R中有许多函数可以实现这一功能，如merge()和setkey()等，其中dplyr包有一套完整的join系列函数，因此更便于学习。
首先需要明确以下几种连接的含义，x与y分别为需要连接的两个表：
内连接：仅保留x与y中相匹配的观测
左连接：保留x中所有观测，y中保留匹配的观测
右连接：保留y中所有观测，x中保留匹配的观测
全连接：x和y中所有观测都保留
反连接：仅保留x与y中不匹配的观测
二、dplyr包中的表连接函数
dplyr包主要包括以下几个join函数：
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 …)
三、实践应用
以下代码逐一介绍了不同join函数的用法，同时条件各不相同。
1. inner_join()
所有join系列函数中，x与y分别为两个表，by属性设置用于连接的字段。
> library(dplyr)
>
> student <- data.frame(
+ name = c("张三", "李四", "王五", "马六"),
+ score = c(65, 70, 61, 98))
>
> 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"))
>
> inner_join(student, class, by = "name")
name score grade
1 张三 65 三年级
2 王五 61 二年级
3 马六 98 四年级
2. left_join()
需要保留用于连接的两个字段，使用keep = TURE。
> library(dplyr)
>
> student <- data.frame(
+ name = c("张三", "李四", "王五", "马六"),
+ score = c(65, 70, 61, 98))
>
> 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"))
>
> left_join(student, class, by = "name", keep = TRUE)
name.x score name.y grade
1 张三 65 张三 三年级
2 李四 70 <NA> <NA>
3 王五 61 王五 二年级
4 马六 98 马六 四年级
3. right_join()
两个表中用于连接的字段名有差异，使用by = c("x字段名" = "y字段名")连接。
> library(dplyr)
>
> student <- data.frame(
+ name1 = c("张三", "李四", "王五", "马六"),
+ score = c(65, 70, 61, 98))
>
> class <- data.frame(
+ name2 = c("张三", "王五", "马六", "小明"),
+ grade = c("三年级", "二年级", "四年级", "四年级"))
>
> right_join(student, class, by = c("name1" = "name2"))
name1 score grade
1 张三 65 三年级
2 王五 61 二年级
3 马六 98 四年级
4 小明 NA 四年级
4. full_join()
有多个连接字段时，by属性使用一个包含字段名的向量对象。
> library(dplyr)
>
> student <- data.frame(
+ name = c("张三", "李四", "王五", "马六"),
+ sex = c("男", "男", "女", "男"),
+ score = c(65, 70, 61, 98))
>
> class <- data.frame(
+ name = c("张三", "王五", "马六", "小明"),
+ sex = c("男", "男", "男", "女"),
+ grade = c("三年级", "二年级", "四年级", "四年级"))
>
> full_join(student, class, by = c("name", "sex"))
name sex score grade
1 张三 男 65 三年级
2 李四 男 70 <NA>
3 王五 女 61 <NA>
4 马六 男 98 四年级
5 王五 男 NA 二年级
6 小明 女 NA 四年级
5. anti_join()
最后是同时需要两个字段连接，且字段名均不同的情况。
> library(dplyr)
>
> student <- data.frame(
+ name1 = c("张三", "李四", "王五", "马六"),
+ sex1 = c("男", "男", "女", "男"),
+ score = c(65, 70, 61, 98))
>
> class <- data.frame(
+ name2 = c("张三", "王五", "马六", "小明"),
+ sex2 = c("男", "男", "男", "女"),
+ grade = c("三年级", "二年级", "四年级", "四年级"))
>
> anti_join(student, class, keep = True,
+ by = c("name1" = "name2","sex1" = "sex2"))
name1 sex1 score
1 李四 男 70
2 王五 女 61
