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）。
#横向合并
ID<-c(1,2,3,4)
name<-c("Jim","Tony","Lisa","Tom")
score<-c(89,22,78,78)
student1<-data.frame(ID,name)
student2<-data.frame(ID,score)
total_student<-merge(student1,student2,by="ID") #或者rbind()
total_student#纵向合并
ID<-c(1,2,3)
name<-c("Jame","Kevin","Sunny")
student1<-data.frame(ID,name)
ID<-c(4,5,6)
name<-c("Sun","Frame","Eric")
student2<-data.frame(ID,name)
total<-cbind(student1,student2)
totalmerge的all用法
> id=c("1","2","3")
> M=c("7","2","3")
> ink2=data.frame(id,M)
>
> merge(ink1,ink2,by="id",all=T) #所有数据列都放进来，空缺的补值为NA
id R M
1 1 9 7
2 2 7 2
3 4 9 <NA>
4 3 <NA> 3
> merge(ink1,ink2,by="id",all=F) #默认，只取两者的共有的部分
id R M
1 1 9 7
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。
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。#—————————paste中seq与collapse区别————————————————————
a = c(1, 2, 3, 4, 5)
names(a) = c('m', 'n','o', 'p', 'q')
# 主要是区分使用sep和collapse
b = paste(a, names(a), sep = "/") #不同向量合并在一起，但是还是各自向量
c = paste(b, collapse = ",") #不同向量合并在一起，但是变成一个向量
mode(b) #变量类型
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
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
a=mutate(Hdma_dat,dou=2*survived,dou4=4*survived)
Hdma_dat$dou=a$dou
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
subset(airquality, Temp > 80, select = c(Ozone, Temp))
subset(airquality, Day == 1, select = -Temp)
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。
#————————————————————————————不等长合并
#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）
#rbind.fill函数只能合并数据框格式
#do.call函数在数据框中执行函数（函数，数据列）
library("plyr") #加载获取rbind.fill函数
#第一种方法
list1<-list()
list1[[1]]=data.frame(t(data.frame(Job_Pwordseg.ct[1])))
list1[[2]]=data.frame(t(data.frame(Job_Pwordseg.ct[2])))
do.call(rbind.fill,list1)
#第二种方法
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()
mpg cyl hp drat wt qsec vs am gear carb disp
(dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl)
1 21.0 6 110 3.90 2.620 16.46 0 1 4 4 NA
2 21.0 6 110 3.90 2.875 17.02 0 1 4 4 NA
3 22.8 4 93 3.85 2.320 18.61 1 1 4 1 NA
4 21.4 6 110 3.08 3.215 19.44 1 0 3 1 NA
5 17.8 6 123 3.92 3.440 18.90 1 0 4 4 167.6
6 16.4 8 180 3.07 4.070 17.40 0 0 3 3 275.8
7 17.3 8 180 3.07 3.730 17.60 0 0 3 3 275.8
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