R for data Science（八）

join家族函数

数据分析仅涉及单个数据表很少见。通常情况下，您有许多数据表，并且您必须将它们组合起来以回答您感兴趣的问题。总而言之，多个数据表称为关系数据，关系总是定义在一对表格之间。所有其他关系都是从这个简单的想法构建而成的：三个或更多表格的关系总是每对之间关系的属性。有时候一对中的两个元素都可以是同一张表！

介绍下面join几大函数

left_join

表示从左面开始添加，

数据准备

library(tidyverse)
library(nycflights13)
flights2 <- flights %>%
 select(year:day, hour, origin, dest, tailnum, carrier)
flights2

我们接着看一下airline是什么内容？

image

flights2 %>%
  select(-origin, -dest) %>%
   left_join(airlines, by = "carrier")###等价于left_join(flights2,airlines, by = "carrier")

直接看结果

image

实际上我们可以这样理解，left_join输入两个参数，分别代表左边和右边，第一个参数默认在左边，第二个参数在右边补充。本例中代表airlines中的数据自动填充到carrier后面。

这里给大家看一下left_join（x，y）形象的图型

image image image

看了这个图，其实更明白了，就是一对多的哈希呀，从一对一，到一对多的转变

inner_join函数

最简单的连接类型是inner_join。当它们的键相等时，就可以内部链接，扩大值的范围:

例如：

x <- tribble(  ~key, ~val_x,     1, "x1",     2, "x2",     3, "x3")
y <- tribble(  ~key, ~val_y,     1, "y1",     2, "y2",     4, "y3")
x %>%   
inner_join(y, by = "key")##一定不要忘记by参数
##等价于 inner_join(x,y, by = "key")

image

其本质上就是X,Y在key完全相等的行取出来合并，按照顺序X在左，y在右

Outer joins

inner_join函数仅仅保存两个表中都出现的观察值。Outer_joins则相反，保存至少一个表中出现的观察结果。外部连接有三种类型

A left join keeps all observations in x.

A right join keeps all observations in y.

A full join keeps all observations in x and y

image image

merge函数其实可以执行上面所有的操作，如下：

image

Set operations

intersect(x, y): 取X与y交集.

union(x, y): 取X与y并集.

setdiff(x, y): 取属于X不属于y的差集.

setdiff(y, x): 取属于X不属于y的差集.

---