前面介绍了数据框合并的merge函数方法，其实还可以借助plyr和dplyr包中的join函数进行数据框的合并，它们数据框合并的原理同样是数据框的合并原理是这样的：首先在x表按指定列每一行的内容在y表的指定列都进行逐行匹配，直到x中所有行匹配完为止。
数据说明
这里的数据仍使用merge函数中的两个数据(略有修改)：作者信息数据和书籍信息数据。依照下面介绍的合并条件，这两个数据既有相同的内容，又有彼此中不存在的内容。
- 作者信息数据
authors <- data.frame(
id = c(2, 4, 2, 5, 7, 8, 3),
surname = I(c("Tukey", "Venables", 'kx', "Tierney", "Ripley", "McNeil", "kuangxu")),
nationality = c("US", "Australia", 'China', "US", "UK", "Australia", "China"),
deceased = c("yes", rep("no", 6)))
为了区别数据，就把自己的名字也给安排进去了，唯一的一个中国人啊。
- 书籍信息数据
books <- data.frame(
id = c(1:7,2)
name = I(c("Tukey", "Venables", "Tierney",
"Ripley", "Ripley", "McNeil", "R Core", "kuang")),
title = c("Exploratory Data Analysis",
"Modern Applied Statistics ...",
"LISP-STAT",
"Spatial Statistics", "Stochastic Simulation",
"Interactive Data Analysis",
"An Introduction to R", "My R study"),
other.author = c(NA, "Ripley", NA, NA, NA, NA,
"Venables & Smith", NA))
plyr包的join函数
join函数：
join(x, y, by = NULL, type = 'left', match = 'all')
- x,y 为合并的数据框
- by 为排序依据，默认值Null时按名字相同的量匹配,此时,要求必须有相同列名的列
- type为合并方式
- inner，行：显示x，y中共有的行; 列：显示x，y中的所有列
- left，行：显示x中所有的行; 列：显示x，y中的所有列，未匹配到的值，不论字符数字，全显示为NA
- right，行：显示y中所有的行; 列：显示x，y中的所有列，未匹配到的值，不论字符数字，全显示为NA
- full，先显示x中所有的行在y中的匹配结果，接着显示y中未匹配上的内容
- match匹配的规则
- first，只匹配y中的第一个记录
- match，匹配y中所有记录
join(authors, books)
join(authors, books, type = 'left', match = 'first')
join(authors, books, type = 'inner')
join(authors, books, type = 'right')
join(authors, books, type = 'full')
dplyr包的join函数
dplyr包是plyr包的升级，join函数在dplyr包中是个系列函数。 join函数：
join(x, y, by = NULL, copy = FALSE, ...)
- x,y 为合并的数据框，不要求x,y中排序列唯一
- by 为排序依据，默认值Null时按名字相同的量匹配,此时,要求必须有相同列名的列
- join为系列函数，包括inner_join、left_join、semi_join和anti_join函数
dplyr包的join函数似乎没有plyr包的join函数的match参数，只能进行所谓的all匹配
inner_join函数
函数结果, 行：显示x中所有能在y中匹配到行; 列：显示x，y中的所有列
library(dplyr)
# 单指标匹配
inner_join(authors, books)
inner_join(authors, books, by = c('surname' = 'name'))
# 多指标匹配
inner_join(authors, books, by = c('id'='id','surname' = 'name'))
left_join函数
结果, 行：显示x中所有的行; 列：显示x，y中的所有列，未匹配到的值，不论字符数字，全显示为NA。
# 单指标匹配
left_join(authors, books)
left_join(authors, books, by = c('surname' = 'name'))
# 多指标匹配
left_join(authors, books, by = c('id'='id','surname' = 'name'))
semi_join函数
结果, 行：显示x中所有能在y匹配到行,并对显示结果按匹配依据进行了排序; 列：显示x中的所有列。
# 单指标匹配
semi_join(authors, books)
semi_join(authors, books, by = c('surname' = 'name'))
# 多指标匹配
semi_join(authors, books, by = c('id'='id','surname' = 'name'))
anti_join函数
结果, 行：显示x中所有未能在y中匹配到行, 并对显示结果按匹配依据进行了排序; 列：显示x中的所有列。
# 单指标匹配
anti_join(authors, books)
anti_join(authors, books, by = c('surname' = 'name'))
# 多指标匹配
anti_join(authors, books, by = c('id'='id','surname' = 'name'))
full_join函数
结果, 行：显示x, y中所有的行, 未匹配到的值，不论字符数字，全显示为NA。
# 单指标匹配
full_join(authors, books)
full_join(authors, books, by = c('surname' = 'name'))
# 多指标匹配
full_join(authors, books, by = c('id'='id','surname' = 'name'))