R for Data Science
R for Data Science
想了一下还是做一个笔记目录，这样能够方便查询
R for Data Science（笔记） ---数据变换（filter使用）
R for Data Science（笔记） ---数据变换（select基础使用）
R for Data Science（笔记） ---数据变换（select组合其他函数）
R for Data Science（笔记） ---数据变换（创建新的变量）
R for Data Science（笔记） ---数据变换（行排序）
R for Data Science（笔记） ---数据变换（归纳总结）
R for Data Science（笔记） ---数据整理（Pivot相关函数）
R for Data Science（笔记） ---数据整理（分列和合并）
tidy流处理数据的大量运用，我想这与管道符%>% 的使用，数据处理动词化，有着很重要的关系。
用最少的时间，解决最重要的、最常见的问题，我把这称为是高效；剩余的难点，我把其称为提高。
这次学习的是数据框的合并问题，也就是用到函数join相关函数
这个函数能做什么？
类似与基础函数的merge函数，几个数据框存储着不同类型的数据，但是有相同的数据项，通过相同的数据项，就可以将几个数据框数据进行合并。
具体示例
例如 x，y两项数据，左侧的列名是合并标的，1，2是两者都有，3，4是各自特有，
对于这两个数据合并，有这样一些合并类型
inner join函数合并
可以看到，这个函数就是只选择两个数据集中关键值相同的进行合并。
操作代码
x %>%
inner_join(y, by = "key")
Outer joins
此外，还有几项合并方式
语法还是很简明的，哪一侧就指代以某一侧未准进行合并。
代码实现也很简洁方便
x %>%
left_join(y, by = "key")
x %>%
right_join(y, by = "key")
x %>%
full_join(y, by = "key")
当然还会出现，某一数据集中有重复的关键值。在实际操作中，我没有遇到这样的实际需求，使用频率好像不高。但是依然把书中解析放在这里。
可以看出，重复的会依次与另一个数据集进行组合，这就是排列组合的问题了
列名不一样，怎么操作？
很多时候，可能两个数据集中，要合并的标的内容一致，但是列名不一致。这个时候的操作如下：
在操作的函数中的参数进行指定，by = c("a" = "b")， 其中a和b分别是两个数据集中的列名。
刚开始接触R时，操作不熟悉，使用重命名的方法，使得两个数据集中需要合并的数据列名保持一致，然后再合并。
自带筛选性质的合并
上面的都是强制合并，也就是，如果没有，那么就形成空值，缺失值。还有两个函数自带筛选性质。semi_join(x, y)， anti_join(x, y)。
semi_join(x, y) 保留 x 中与 y 中匹配的所有观察值
anti_join(x, y) 删除 x 中与 y 中匹配的所有观察
semi_join(x, y)图示
anti_join(x, y) 图示
与merge函数的比较
| dplyr | merge |
|---|---|
| inner_join(x, y) | merge(x, y) |
| left_join(x, y) | merge(x, y, all.x = TRUE) |
| right_join(x, y) | merge(x, y, all.y = TRUE) |
| full_join(x, y) | merge(x, y, all.x = TRUE, all.y = TRUE) |
当然，我自己使用过程中还使用过，先进行行列筛选，顺序排列，使用cbind()函数合并两个数据集，达到目的就好。
网友评论