R语言中dplyr包jion函数之目前我看到过的最形象的教程

所涉及的函数

• Mutating Joins: inner_join(), left_join(), right_join(), full_join()

• Filtering Joins: semi_join(), anti_join()

深入了解学习的内容

• 《R for data science》
• Relational Data
• gganimate 作者用来制作动图的包

数据类型

x <- tribble(
  ~key, ~val_x,
  1, "x1",
  2, "x2",
  3, "x3")

y <- tribble(
  ~key, ~val_y,
  1, "y1",
  2, "y2",
  4, "y3")

y1 <- tribble(
  ~key, ~val_y,
  1, "y1",
  2, "y2",
  4, "y4",
  2, "y5")

image.png

合并连接

内连接

inner_join 函数

• 内连接的结果是一个新数据框，其中包含键、 x 值和 y 值。我们使用 by 参数告诉 dplyr 哪个变量是键：

x %>%  inner_join(y, by = "key")
# A tibble: 2 x 3
    key val_x val_y
  <dbl> <chr> <chr>
1     1 x1    y1   
2     2 x2    y2

inner_join.gif

外连接

• 内连接保留同时存在于两个表中的观测， 外连接则保留至少存在于一个表中的观测。外连
  接有 3 种类型。
  • 左连接：保留 x 中的所有观测。
  • 右连接：保留 y 中的所有观测
  • 全连接：保留 x 和 y 中的所有观测。

left_join函数

• 左连接：保留 x 中的所有观测。

> left_join(x, y, by = "key")
# A tibble: 3 x 3
    key val_x val_y
  <dbl> <chr> <chr>
1     1 x1    y1   
2     2 x2    y2   
3     3 x3    NA

left-join.gif

如果x中的key变量，在y中有多个同样的key，那么所有的结合可能都会罗列出来

> left_join(x, y1, by = "key")
# A tibble: 4 x 3
    key val_x val_y
  <dbl> <chr> <chr>
1     1 x1    y1   
2     2 x2    y2   
3     2 x2    y5   
4     3 x3    NA

left-join-extra.gif

right_join函数

• 右连接：保留 y 中的所有观测

> right_join(x, y, by = "key")
# A tibble: 3 x 3
    key val_x val_y
  <dbl> <chr> <chr>
1     1 x1    y1   
2     2 x2    y2   
3     4 NA    y3 

right-join.gif

full_join函数

• 全连接：保留 x 和 y 中的所有观测。

> full_join(x, y, by = "key")
# A tibble: 4 x 3
    key val_x val_y
  <dbl> <chr> <chr>
1     1 x1    y1   
2     2 x2    y2   
3     3 x3    NA   
4     4 NA    y3

full-join.gif

使用维恩图表示不同类型连接方式

image.png

dplyr中这些连接函数对应基础函数merge中的功能表

image.png

dplyr这几种函数的来源SQL中对应的功能

image.png

筛选连接

• 筛选连接匹配观测的方式与合并连接相同，但前者影响的是观测，而不是变量。筛选连接
  有两种类型。
  • semi_join(x, y)： 保留 x 表中与 y 表中的观测相匹配的所有观测。
  • anti_join(x, y)： 丢弃 x 表中与 y 表中的观测相匹配的所有观测。

semi_join函数

• 保留 x 表中与 y 表中的观测相匹配的所有观测

> semi_join(x, y, by = "key")
# A tibble: 2 x 2
    key val_x
  <dbl> <chr>
1     1 x1   
2     2 x2

semi-join.gif

anti_join函数

• 丢弃 x 表中与 y 表中的观测相匹配的所有观测。

> anti_join(x, y, by = "key")
# A tibble: 1 x 2
    key val_x
  <dbl> <chr>
1     3 x3 

anti-join.gif

参考博文：

图中gif文件来源，tiwtter上逛#rstat(类似微博话题)专题时看到的大神的操作
https://github.com/gadenbuie/tidy-animated-verbs#relational-data

image.png

参考书籍

英文版：《R for data science》
中文版：《R数据科学》