您好,登录后才能下订单哦!
本篇内容介绍了“R语言中如何合并dplyr”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
left_join(a, b, by = “x1”): 向数据集a中加入匹配的数据集b记录(行)。
right_join(a, b, by = “x1”): 向数据集b中加入匹配的数据集a记录。
inner_join(a, b, by = “x1”): 合并数据。仅保留匹配的记录。
full_join(a, b, by = “x1”): 合并数据。保留所有记录,所有行。没有的用NA填充
library(dplyr) a=data.frame(x1=c("A","B","C"),x2=c(1:3)) b=data.frame(x1=c("A","B","D"),x3=c("T","F","T")) a;b
## x1 x2## 1 A 1## 2 B 2## 3 C 3
## x1 x3## 1 A T## 2 B F## 3 D T
left_join(a, b, by = "x1")# 向数据集a中加入匹配的数据集b记录。
## x1 x2 x3## 1 A 1 T## 2 B 2 F## 3 C 3 <NA>
right_join(a, b, by = "x1")# 向数据集b中加入匹配的数据集a记录。
## x1 x2 x3## 1 A 1 T## 2 B 2 F## 3 D NA T
inner_join(a, b, by = "x1")# 合并数据。仅保留匹配的记录。
## x1 x2 x3## 1 A 1 T## 2 B 2 F
full_join(a, b, by = "x1")# 合并数据。保留所有记录,所有行,没有的用NA填充
## x1 x2 x3## 1 A 1 T## 2 B 2 F## 3 C 3 <NA>## 4 D NA T
semi_join(a, b, by = “x1”): 数据集a中能与数据集b匹配的记录。
anti_join(a, b, by = “x1”): 数据集a中与数据集b不匹配的记录
intersect(x, y): 均出现在数据集x和y中的记录。xy交集
union(x, y): 出现在数据集x或y中的记录。 xy并集
setdiff(x, y): 仅出现在数据集x而不在y中的记录。x与y的差集
bind_rows(x, y): 把数据集y作为新的⾏行添加到x中。
bind_cols(x, y): 把数据集y作为新的列添加到x中。
注意:数据按所在位置匹配。
和rbind() 与cbind()不一样的是,rbind()/cbind()对数据合并有严格的要求
x=data.frame(A=c("a","b","c"),B=c("t","u","v"),C=c(1:3)) y=data.frame(A=c("a","b","d"),B=c("t","u","v"),D=c(2:4)) x;y
## A B C## 1 a t 1## 2 b u 2## 3 c v 3
## A B D## 1 a t 2## 2 b u 3## 3 d v 4
bind_rows(x, y) #行合并,列全部显示,没有的用NA填充 ,选择.id="name"参数,多增加一列,列名name
## A B C D## 1 a t 1 NA## 2 b u 2 NA## 3 c v 3 NA## 4 a t NA 2## 5 b u NA 3## 6 d v NA 4
bind_rows(x, y,.id="name")# 为了区别数据是分别来自于两个其他数据库,可以用id进行区别
## name A B C D## 1 1 a t 1 NA## 2 1 b u 2 NA## 3 1 c v 3 NA## 4 2 a t NA 2## 5 2 b u NA 3## 6 2 d v NA 4
bind_cols(x, y) #列合并,
## A...1 B...2 C A...4 B...5 D## 1 a t 1 a t 2## 2 b u 2 b u 3## 3 c v 3 d v 4
arrange(.data, …, .by_group = FALSE) :根据变量进行排序 + 默认升序,在变量前面添加desc()则变为降序 + .by_group = FALSE 默认忽视对组的升序排序,设置为TRUE则把组进行升序排序以后再按比变量进行排序
arrange(mtcars, cyl, desc(disp)) #根据变量进行排序
## mpg cyl disp hp drat wt qsec vs am gear carb## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2 ## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 ## Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2 ## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2 ## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1 ## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 ## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2 ## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1 ## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 ## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2 ## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 ## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 ## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 ## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 ## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 ## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 ## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 ## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6 ## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4 ## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4 ## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4 ## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2 ## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 ## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 ## Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 ## Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4 ## Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2 ## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2 ## Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8 ## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3 ## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3 ## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
by_cyl <- mtcars %>% group_by(cyl) by_cyl %>% arrange(desc(wt), .by_group = TRUE) #默认忽视对组的升序排序,设置为TRUE则把组进行升序排序以后再按比变量进行排序
## # A tibble: 32 x 11 ## # Groups: cyl [3]## mpg cyl disp hp drat wt qsec vs am gear carb## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> ## 1 24.4 4 147. 62 3.69 3.19 20 1 0 4 2 ## 2 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2 ## 3 21.4 4 121 109 4.11 2.78 18.6 1 1 4 2 ## 4 21.5 4 120. 97 3.7 2.46 20.0 1 0 3 1 ## 5 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1 ## 6 32.4 4 78.7 66 4.08 2.2 19.5 1 1 4 1 ## 7 26 4 120. 91 4.43 2.14 16.7 0 1 5 2 ## 8 27.3 4 79 66 4.08 1.94 18.9 1 1 4 1 ## 9 33.9 4 71.1 65 4.22 1.84 19.9 1 1 4 1 ## 10 30.4 4 75.7 52 4.93 1.62 18.5 1 1 4 2 ## # … with 22 more rows
“R语言中如何合并dplyr”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站,小编将为大家输出更多高质量的实用文章!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。