不用SQL，也可以实现数据集的合并和连接
数据（集）处理是数据分析过程中的重要环节，今天特别整理数据（集）合并、增减与连接的相关内容，并逐一作出示例。
目 录
1 数据合并
1.1 cbind列合并（等长）
1.2 rbind行合并
2 数据连接/匹配
2.1 内连接
2.2 外连接
2.3 左连接
2.4 右连接
2.5 双（多）字段内连接
3 数据增减
正 文
1 数据合并
1.1 cbind列合并（等长）
总结：cbind等行数、按列合并（无序）
#等长
#生成测试数据
> ID1 <- c(1:4)
> ID2 <- c(2:5)
> name<-c("A","B","C","D")
> score<-c(8,22,7,6)
> student1<-data.frame(ID1,name)
> student2<-data.frame(ID2,score)
> student1
ID1 name
1 1 A
2 2 B
3 3 C
4 4 D
> student2
ID2 score
1 2 8
2 3 22
3 4 7
4 5 6
> cbind(student1,student2) #按照行合并student1和student2
ID1 name ID2 score
1 1 A 2 8
2 2 B 3 22
3 3 C 4 7
4 4 D 5 61.2 rbind行合并
总结：按行合并，需要注意数据集需要有相同的列字段名
> #生成测试数据student1
> ID <- c(1:4)
> score <- c(8,22,7,33)
> student1<-data.frame(ID,score)
> #生成测试数据student2
> ID <- c("A","B","C","D")
> score <- c(11,2,55,3)
> student2<-data.frame(ID,score)
> student1
ID score
1 1 8
2 2 22
3 3 7
4 4 33
> student2
ID score
1 A 11
2 B 2
3 C 55
4 D 3
> rbind(student1,student2) #按行合并，需要注意数据集需要有相同的列字段名
ID score
1 1 8
2 2 22
3 3 7
4 4 33
5 A 11
6 B 2
7 C 55
8 D 32 数据连接/匹配
数据连接主要涉及到merge函数和dplyr包中的*_join等函数，另外sqldf函数（SQL）亦可以实现数据连接功能。本节主要就merge和dplyr::*_join函数做出解释。
merge函数语法
merge(x, y, by = intersect(names(x), names(y)),
by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,
sort = TRUE, suffixes = c(".x",".y"), no.dups = TRUE,
incomparables = NULL, ...)其中，通过by字段控制连接字段by = "ID"为单字段连接，by = c("ID","NAME",……)为多字段连接；通过all=FALSE/TRUE、all.x = TRUE和all.y = TRUE实现内连接、外连接、左连接和右连接
dplyr包中的inner_join、left_join、right_join、full_join语法
inner_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"),
...)
left_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...)
right_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"),
...)
full_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...)其中，通过by控制连接字段，通过dplyr::*_join中的“*”控制连接形式。
> #生成数据集1
> ID<-c(1,2,3)
> name<-c("Jim","Tony","Lisa")
> student1<-data.frame(ID,name)
> #生成数据集1
> ID<-c(1,2,5)
> score<-c(89,22,78)
> student2<-data.frame(ID,score)
> student1
ID name
1 1 Jim
2 2 Tony
3 3 Lisa
> student2
ID score
1 1 89
2 2 22
3 5 782.1 内连接（指定字段匹配输出）
总结：merge(……,all=FALSE)等价dplyr::inner_join(……)
> #内连接
> merge(student1,student2,by="ID",all=FALSE)
ID name score
1 1 Jim 89
2 2 Tony 22
> dplyr::inner_join(student1,student2,by="ID")
ID name score
1 1 Jim 89
2 2 Tony 222.2 外连接
总结：merge(……,all=TRUE)等价dplyr::full_join(……)所有数据均加入，如无法连接则生成NA
> #外连接
> merge(student1,student2,by="ID",all=TRUE)
ID name score
1 1 Jim 89
2 2 Tony 22
3 3 Lisa NA
4 5 <NA> 78
> dplyr::full_join(student1,student2,by="ID")
ID name score
1 1 Jim 89
2 2 Tony 22
3 3 Lisa NA
4 5 <NA> 782.3 左连接
总结：merge(……,all.x=TRUE)等价dplyr::left_join(……)所有左侧（x）数据均加入，即使无法连接亦保留
> #左连接
> merge(student1,student2,by="ID",all.x=TRUE)
ID name score
1 1 Jim 89
2 2 Tony 22
3 3 Lisa NA
> dplyr::left_join(student1,student2,by="ID")
ID name score
1 1 Jim 89
2 2 Tony 22
3 3 Lisa NA2.4 右连接
总结：merge(……,all.y=TRUE)等价dplyr::right_join(……)所有右侧（y）数据均加入，即使无法连接亦保留
> #右连接
> merge(student1,student2,by="ID",all.y=TRUE)
ID name score
1 1 Jim 89
2 2 Tony 22
3 5 <NA> 78
> dplyr::right_join(student1,student2,by="ID")
ID name score
1 1 Jim 89
2 2 Tony 22
3 5 <NA> 782.5 双（多）字段内连接
> #生成数据集1
> ID<-c(1,2,3)
> SD <- c(1,2,3)
> name<-c("Jim","Tony","Lisa")
> student1<-data.frame(ID,SD,name)
> #生成数据集1
> ID<-c(1,2,5)
> SD <- c(5,2,3)
> score<-c(89,22,78)
> student2<-data.frame(ID,SD,score)
> student1
ID SD name
1 1 1 Jim
2 2 2 Tony
3 3 3 Lisa
> student2
ID SD score
1 1 5 89
2 2 2 22
3 5 3 78
>
> #多字段内连接
> merge(student1,student2,by=c("ID","SD"),all=FALSE)
ID SD name score
1 2 2 Tony 22
> dplyr::inner_join(student1,student2,by=c("ID","SD"))
ID SD name score
1 2 2 Tony 223 数据增减
常见如以下不同方法
#方法一：减行数或列数
x=x[,-1] #代表删除x数据集中第一列数据
#方法二：dplyr::mutate
#数值重定义和赋值
#将Ozone列取负数赋值给new，然后Temp列重新计算为(Temp - 32) / 1.8
mutate(airquality, new = -Ozone, Temp = (Temp - 32) / 1.8)
#方法三：subset筛选变量服从某值的子集
subset(airquality, Temp > 80, select = c(Ozone, Temp))
#方法四：rbind和cbind