背景：使用R或者python实现两个数据集的左连接，以此完成部分生信需求。
- python实现
python是我学的第一门编程语言，pandas是我最早接触的处理数据框的库。
首先构建一个测试数据集：
import pandas as pd #'导入pandas库
data_1=pd.DataFrame({"Name":["chenxiangzhi","lianghui","wangling"],"age":[26,26,25]})
data_2=pd.DataFrame({"Name":["chenxiangzhi","lianghui","chenweiman"],"work":["yes","yes","yes"]})
dataframe.png
观察这两个数据框，它们有这样一些特征：
1.共有列名Name
2.共有列Name中部分值相同，都有 chengxiangzhi和lianghui，但数据data_1中的wangling是data_2没有的；数据data_2中的chenweiman是data_1没有的
3.除了共有列名Name外，每个数据表有自己独有的列名
某位老师就说过，这样的两个表单存在于一些常见的场景中，例如：
学校的管理系统中，语文课的成绩表单和数学课的表单如何拼接在一起？选修这两门课的学生名字部分重合，即一部分学生两门课都上，但有一些学生只上了语文课或者只上了数学课，那么反映在表单上，两个成绩表上学生的名字列只有部分相同，另一部分是不同的，除此外，一个表单反映的是语文成绩，而另一个表单则是数学成绩。
data_outer=pd.merge(data_1,data_2,how="outer")
data_outer
data_inner=pd.merge(data_1,data_2,how="inner")
data_inner
data_left=pd.merge(data_1,data_2,how="left")
data_left
data_right=pd.merge(data_1,data_2,how="right")
pd_merge.png
外连接能够将共有列的所有值拼接在一起，而没有的值会被赋值为NaN;
内连接只将共有列都有的值拼接在一起；
左连接只将共有列中左边表单的值拼接在一起；
右连接则是将共有列中右边表单的值拼接在一起。
- R实现
加载包library(dplyr)
同样先构建测试数据表格：
library(dplyr)
data_1<-data.frame(Name=c("chengxiangzhi","lianghui","wangling"),age=c(26,26,25))
data_2<-data.frame(Name=c("chengxiangzhi","lianghui","chenweiman"),work=c("yes","yes","yes"))
data.frame.png
数据格式和之前一样，共有列为
Name。
dplyr.png
- match方法
这是一种类似于左连接，但是又更加灵活的方法。
data_1$work<-data_2[match(data_1$Name,data_2$Name),"work"]
data_1
match.png
match(a,b)的主要作用是返回向量a在向量b中的位置，在上图数据框data_2中：data_2[match(data_1$Name,data_2$Name),]返回data_1中Name列在data_2中Name列的位置，并且在行的位置对数据框进行排序data_2[match(data_1$Name,data_2$Name),"work"]提取排序后data_2中的work列data_1$work<-data_2[match(data_1$Name,data_2$Name),"work"]将提取出来的列赋值给data_1的work列
match函数结合数据框的方法实现左连接的效果，但却比左连接更加灵活，它不需要两个数据框中共有列的列名一致，甚至可以一个是数据框的列而另一个是数据框的行名，都能实现匹配。
网友评论