如何加入(合并)数据框架(内部,外部,左侧,右侧)?

给定两个数据帧:

df1 = data.frame(CustomerId = c(1:6), Product = c(rep("Toaster", 3), rep("Radio", 3)))
df2 = data.frame(CustomerId = c(2, 4, 6), State = c(rep("Alabama", 2), rep("Ohio", 1)))

df1
#  CustomerId Product
#           1 Toaster
#           2 Toaster
#           3 Toaster
#           4   Radio
#           5   Radio
#           6   Radio

df2
#  CustomerId   State
#           2 Alabama
#           4 Alabama
#           6    Ohio

我怎样才能做数据库风格,即SQL风格,加入? 那是,我怎么得到:

  • df1df2的内部连接:
    仅返回左表在右表中具有匹配键的行。
  • df1df2的外部连接:
    返回两个表中的所有行,从左侧连接右表中具有匹配键的记录。
  • df1df2左外连接(或简单地左连接)
    返回左表中的所有行,以及右表中具有匹配键的所有行。
  • df1df2右外连接
    返回右表中的所有行,以及左表中具有匹配键的所有行。
  • 额外信贷:

    我怎样才能做一个SQL样式选择语句?


    通过使用merge函数及其可选参数:

    内部连接: merge(df1, df2)将适用于这些示例,因为R通过公共变量名自动连接框架,但您最可能要指定merge(df1, df2, by = "CustomerId")以确保您只匹配你想要的字段。 如果匹配变量在不同数据框中具有不同的名称,则也可以使用by.xby.y参数。

    外连接: merge(x = df1, y = df2, by = "CustomerId", all = TRUE)

    左外部: merge(x = df1, y = df2, by = "CustomerId", all.x = TRUE)

    右外部: merge(x = df1, y = df2, by = "CustomerId", all.y = TRUE)

    交叉连接: merge(x = df1, y = df2, by = NULL)

    就像内连接一样,您可能希望显式地将“CustomerId”传递给R作为匹配变量。 我认为明确指出要合并的标识符总是最好的; 如果输入数据帧意外更改并且稍后更容易阅读,则更安全。

    您可以by向量(例如, by = c("CustomerId", "OrderId")给多个列进行合并。

    如果要合并的列名不相同,可以指定例如by.x = "CustomerId_in_df1", by.y =“CustomerId_in_df2” where CustomerId_in_df1 is the name of the column in the first data frame and CustomerId_in_df2是第二个数据框中列的名称。 (如果您需要在多列上合并,这些也可以是向量。)


    我建议查看Gabor Grothendieck的sqldf软件包,它允许你用SQL来表达这些操作。

    library(sqldf)
    
    ## inner join
    df3 <- sqldf("SELECT CustomerId, Product, State 
                  FROM df1
                  JOIN df2 USING(CustomerID)")
    
    ## left join (substitute 'right' for right join)
    df4 <- sqldf("SELECT CustomerId, Product, State 
                  FROM df1
                  LEFT JOIN df2 USING(CustomerID)")
    

    我发现SQL语法比其R等价物更简单也更自然(但这可能仅反映了我的RDBMS偏见)。

    有关连接的更多信息,请参阅Gabor的sqldf GitHub。


    有一种内部联接的data.table方法,它具有非常高的时间和内存效率(并且对于一些更大的数据框架是必需的):

    library(data.table)
    
    dt1 <- data.table(df1, key = "CustomerId") 
    dt2 <- data.table(df2, key = "CustomerId")
    
    joined.dt1.dt.2 <- dt1[dt2]
    

    merge也适用于data.tables(因为它是通用的并且调用merge.data.table

    merge(dt1, dt2)
    

    在stackoverflow中记录data.table:
    如何做一个data.table合并操作
    将外键上的SQL连接转换为R data.table语法
    合并大数据的高效替代方案
    如何在R中使用data.table进行基本的左外连接?

    还有一个选择是plyr包中的join函数

    library(plyr)
    
    join(df1, df2,
         type = "inner")
    
    #   CustomerId Product   State
    # 1          2 Toaster Alabama
    # 2          4   Radio Alabama
    # 3          6   Radio    Ohio
    

    type选项: innerleftrightfull

    From ?join :与merge不同,[ join ]保留x的顺序,无论使用哪种连接类型。

    链接地址: http://www.djcxy.com/p/24799.html

    上一篇: How to join (merge) data frames (inner, outer, left, right)?

    下一篇: Errors related to data frame columns during merging