R for data science（十六）-dplyr 连接函

count函数

使用count函数返回值为生成的一个新的data.frame，左边那列为要统计的对象，右边为该对象的个数，且第二列列名为n

count后面跟一个数据框，代表的是数据框行数

count(flights)

planes%>%
  count(tailnum)

image.png

count 排序，默认为从小到大排序

planes%>%
  count(tailnum,sort = T)

count 之后筛选

planes%>%
  count(tailnum)%>%
  filter(n>1)

image.png

count 统计多列文件

flights%>%
  count(year,month,day)

image.png

多个条件下的count等价于group_by之后count

flights%>%
  group_by(year,month,day)%>%
  count()

image.png

合并连接

主要适用于两个数据框之间的拼接

常用的函数 left_join和inner_join

用法均是： x %>%inner_join/left_join(y,by=)

内连接： inner_join by 参数后面为键

image.png image.png image.png

必须保证要合并的两个数据框键的名字是一样的，否则就会出错

x %>% 
  inner_join(y, by = "key")

image.png

当健的名字不一样，该怎么解决？如下：

names(x)[1]="n1"

names(y)[1]="n2"

x %>% 
  inner_join(y, by = c("n1"="n2"))
##或者省去by

x %>% 
  inner_join(y,  c("n1"="n2"))

image.png

只要两个数据框的键是相同的就会被连接在一起

就是说只保留二者共有的键进行合并，x%>%inner_join(y,by=) 则为x在前，y在后

---

外链接

左连接 保留x中的所有观测 left_join 最常用

右链接 保留x中的所有观测 right_join

全连接 保留x和y中的所有观测 full_join

image.png

筛选连接

semi_join(x,y,by) 在指定的键中，只会保留x中与y相同的行

重要的是存在匹配，匹配到哪一行不重要

image.png image.png

anti_join(x,y,by) 在指定的键中，只会保留x中与y不相同的行，即代表把相同的行去掉，保留x中与y键不同的行

image.png

连接flights和planes时，查看flights中有多少行在planes中有记录，用count更快

flights%>%
  semi_join(planes,by="tailnum")%>%
  nrow()
#######
flights%>%
  semi_join(planes,by="tailnum")%>%
  count()

image.png

连接flights和planes时，查看flights中有多少行在planes中没有记录

flights%>%
  anti_join(planes,by="tailnum")%>%
  nrow()

flights%>%
  anti_join(planes,by="tailnum")%>%
  count()

image.png