R语言学习笔记（3）——left_join() right_join() inner_join() full_join()

摘要

最近学习了《R数据科学》里的合并连接内容，这里直接用中文的表格来分析一下，可能更好理解。欢迎指正，谢谢。

函数介绍

四种函数都是用于组合两个表格的工具，对应四种连接方式，形式都是***_join(x,y,by=‘key’)

inner_join()

等值连接：两个观测的键是相等的，就可以匹配

left_join()

左连接：保留x中的所有观测

right_join()

右连接：保留y中的所有观测

full_join()

全连接：保留x和y中的所有观测

实例

是不是不知所云？没关系，直接看例子，这里采用内容为中文的数据框更容易理解。
假设有两个班级的考试名次表，class1和class2,然后将通过四种方式组合这两个表，来达到不同要求比较的目的。为了方便观察，除了代码及输出结果外，每一个新的组合后的表都会通过view展现一下。

class1<-tribble(
  ~'名次',~'姓名',
  '第一名','王某人',
  '第二名','张周人',
  '第三名','李某人'
)
class2<-tribble(
  ~'名次',~'姓名',
  '第一名','胡某人',
  '第二名','刘周人',
  '第四名','于某人'
)

view一下
class1:

class2:

inner_join()

> inner_join(class1,class2,by='名次')
# A tibble: 2 x 3
  名次   姓名.x 姓名.y
  <chr>  <chr>  <chr> 
1 第一名 王某人 胡某人
2 第二名 张周人 刘周人

一班和二班均有第一名和第二名，所以等值连接把两张表里名次相同的人连接起来。

left_join()

> left_join(class1,class2,by='名次')
# A tibble: 3 x 3
  名次   姓名.x 姓名.y
  <chr>  <chr>  <chr> 
1 第一名 王某人 胡某人
2 第二名 张周人 刘周人
3 第三名 李某人 NA    

可以把参数 (class1,class2,by=‘名次’)这么理解，class1在左边就是左，class2在右边就是右。所以左连接说的保留x中的所有观测就是指：保留左边的即class1中的所有观测。那么class1的第一名、第二名、第三名都保留了下来，而class2的表里有的第一名和第二名的人的名字就连接过来了，没有第三名，则补充NA，第四名舍弃。
注意：一般情况下都会使用左连接，这样可以保留原表数据。

right_join()

> right_join(class1,class2,by='名次')
# A tibble: 3 x 3
  名次   姓名.x 姓名.y
  <chr>  <chr>  <chr> 
1 第一名 王某人 胡某人
2 第二名 张周人 刘周人
3 第四名 NA     于某人

看懂了左连接，这个右连接就容易了。右连接，则保留class2中的所有观测值，所以第一名、第二名、第四名都保留下来。一班class1则是第三名舍去，第四名的位置补充NA。

full_join()

> full_join(class1,class2,by='名次')
# A tibble: 4 x 3
  名次   姓名.x 姓名.y
  <chr>  <chr>  <chr> 
1 第一名 王某人 胡某人
2 第二名 张周人 刘周人
3 第三名 李某人 NA    
4 第四名 NA     于某人

全连接则是把左右两边的表格都保留下来，缺失的值补充NA，很好理解。

其他情况

上面几种情况都是两个表中有名称相同的键值。如果数据内容是一种类型，只是键的名称不同，可以采用这种方式：
left_join(x,y,by=c(‘a’=‘b’))
比如二班还有一张表，表示运动会各项目参与的人员

class2<-tribble(
  ~'名次',~'姓名',
  '第一名','胡某人',
  '第二名','刘某人',
  '第四名','于某人'
)
sports<-tribble(
  ~'项目',~'运动员',
  '乒乓球','于某人',
  '篮球','胡某人',
  '足球','刘某人'
)

sports:

class2:

这两个表的键名都不同，我们通过class2中的“姓名”和sports中的“运动员”对两个表进行连接

> left_join(class2,sports,by=c('姓名'='运动员'))
# A tibble: 3 x 3
  名次   姓名   项目  
  <chr>  <chr>  <chr> 
1 第一名 胡某人 篮球  
2 第二名 刘某人 足球  
3 第四名 于某人 乒乓球

两个表就连接起来了，可以看出二班排名第1、2、4的同学参与的运动会项目。