专栏首页数据分析1480不用SQL,也可以实现数据集的合并和连接

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     6

1.2 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     3

2 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    78

2.1 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    22

2.2 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>    78

2.3 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    NA

2.4 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>    78

2.5 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    22

3 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

本文分享自微信公众号 - 数据分析1480(lsxxx2011)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-07-24

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 数据结构|冒泡排序与选择排序

    排序算法可以说是算法中使用的比较频繁的,冒泡排序是一种简单的排序,它通过遍历,一次比较两个元素,如果排序错误就交换位置,遍历需要重复进行直到不再需要交换,才算排...

    算法与编程之美
  • Python涨知识|你懂is和==的神奇区别吗

    在编程中我们经常会用到“is”和“==”来表示判断,那么我想问大家一个问题为什么python会出现两个“表面”意思相近的语句呢?

    算法与编程之美
  • Python|函数list和set

    最近看到一个比较有意思的代码如下,可以看到当我们使用花括号对a里的每个值进行加一时,输出的却是花括号,当我们使用中括号时输出的就是中括号,这到底是什么呢?

    算法与编程之美
  • socket服务部署到服务端后启动失败Cannot assign requested address: bind 的总结

    https://blog.csdn.net/asd1098626303/article/details/79141315

    算法与编程之美
  • 前端网页制作秘密武器之盒模型边框

    盒模型是CSS的一种基础设计模式,定义了Web页面中的元素是如何被看作盒子来解析的,而每一个盒子又有不同的展示方法接下来我们将详细的介绍一下边框的高级属性:圆角...

    算法与编程之美
  • 开发|Springboot文件上传与下载

    我们在做项目的时候很多时候会涉及到操作文件的步骤,今天我们就来讲讲如何实现Springboot文件上传与下载。

    算法与编程之美
  • ARkit|一起“宜家”吧!!!

    宜家家居将该技术应用到智能家居中,通过“IKEA Place”实现在住所就能看到虚拟家居在家中摆放的实际情况。

    算法与编程之美
  • java练习本(2019-07-13)

    “ The most I can do for my friend is simply to be his friend. I have no wealth t...

    微笑的小小刀
  • 数据结构|字符串匹配

    python字符串str是在Python编写程序过程中,最常见的一种基本数据类型。字符串是许多单个子串组成的序列,其主要是用来表示文本。字符串是不可变数据类型,...

    算法与编程之美
  • 使用Spring Boot Gradle 打war包的一点心得体会

    最近实验室的一些项目采用了Spring Boot架构进行开发。项目完成以后,就需要部署到服务器。常规办法就是将项目打成war包,直接拖到tomcat的webaa...

    算法与编程之美

扫码关注云+社区

领取腾讯云代金券