在我们处理数据时,除了对单个表格进行处理,有时还需要对两个甚至多个表格进行操作。
1.数据框拼接:binding
我们现在有一个数据框的格式如下:
image
如果有另外一个数据框,和其排列相似,如何把两个数据框拼接在一起呢?
(1)生成一个相同格式的数据框
# 用R的data.frame函数创建一个相同格式的数据框
gene_exp_tidy2 <- data.frame(GeneId = rep("gene5", times = 3),sample_name = paste("sample", 1:3, sep = ""), expression = 2:4)
image
(2)将两个数据框拼接起来
# 1.使用R自带的函数rbind拼接
rbind(gene_exp_tidy,gene_exp_tidy2)
# 2.使用dplyr的bind_rows函数
bind_rows(gene_exp_tidy,gene_exp_tidy2)
image
binding的具体用法:
2.交集、并集、差集
(1)构建一个由gene1和gene5组成的数据框
gene_exp_tidy3 <- filter(gene_exp_tidy, GeneId == "gene1")%>%
bind_rows(gene_exp_tidy2)
image
(2)求交集、并集和差集
# 求两个数据框的交集
intersect(gene_exp_tidy, gene_exp_tidy3)
image
# 求两个数据框的并集(自动去除重复)
union(gene_exp_tidy, gene_exp_tidy3)
image
# 求两个数据框的并集,不去除重复
union_all(gene_exp_tidy, gene_exp_tidy3)
image
# 求两个数据框的差集
setdiff(gene_exp_tidy, gene_exp_tidy3)
image
3.内连接、左连接、右连接、全连接
image上图中,左边的数据框中有基因的表达信息,右边的数据框中有基因的功能注释,如何把两个数据框相关联,将基因功能注释添加到基因的表达信息中呢?
左连接:以第一个数据框为准,将第二个数据框的相关信息添加进去
# 将两张表以GeneId进行关联
left_join(gene_exp_tidy, gene_anno, by = "GeneId")
image
在上面的例子中。两张表都有GeneId一列,列名完全相同,如果两个列名不完全相同时怎么办呢?
我们先将第二个数据框中的GeneId进行修改:
# 使用rename函数将GeneId换成Geneid
gene_anno <- rename(gene_anno, Geneid = GeneId)
# 将两个数据框关联,设置两个数据框中相同的列名
left_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))
image
右连接:以第二个数据框为准,将第一个数据框中的相关信息添加进去
# 右连接
right_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))
image
内连接:保留两个数据框中共有的GeneId
# 内连接
inner_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))
image
全连接:保留两张表格中所有GeneId的信息
# 全连接
full_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))
image
4.半连接、反连接
半连接:只保留第二个数据框中包含的GeneId信息
# 半连接
semi_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))
image
反连接:只保留第二个数据框中不包含的GeneId信息
# 反连接
anti_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))
image
网友评论