這篇文章主要講解了“怎么用R語言實現(xiàn)數(shù)據(jù)合并與追加”，文中的講解內(nèi)容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“怎么用R語言實現(xiàn)數(shù)據(jù)合并與追加”吧！

創(chuàng)新互聯(lián)專注于企業(yè)全網(wǎng)營銷推廣、網(wǎng)站重做改版、盤錦網(wǎng)站定制設(shè)計、自適應品牌網(wǎng)站建設(shè)、H5開發(fā)、電子商務商城網(wǎng)站建設(shè)、集團公司官網(wǎng)建設(shè)、外貿(mào)營銷網(wǎng)站建設(shè)、高端網(wǎng)站制作、響應式網(wǎng)頁設(shè)計等建站業(yè)務，價格優(yōu)惠性價比高，為盤錦等各大城市提供網(wǎng)站開發(fā)制作服務。

數(shù)據(jù)合并操作涉及以下幾個問題：

橫向合并；

1. 是否需要匹配字段

1.1 匹配字段合并  

  1.1.1 主字段同名

  1.1.2 主字段不同名

1.2 無需匹配字段合并

縱向合并：（情況比較簡單，列字段數(shù)量相同，名稱相同）

因為縱向合并情況比較簡單，所以本篇講解也著重以橫向合并為主，按照以上幾個問題，需要用到的函數(shù)列舉如下：

cbind rbind merge plyr::join tidyr:: inner_join/full_join/left_join/right_join

首先介紹base內(nèi)置的兩三個函數(shù)：

cbind rbind merge

###橫向追加（無需匹配字段）

數(shù)據(jù)集構(gòu)造如下：

ID<-c(1,2,3,4)

Name<-c("A","B","C","D")

Score<-c(60,70,80,90)

Sex<-c("M","F","M","M")

One<-data.frame(ID,Name)

Two<-data.frame(Score,Sex)

合并：

Total<-cbind(One,Two)

可以看到cbind函數(shù)橫向合并無需匹配主字段，僅僅是將兩個數(shù)據(jù)集橫向拼接在一起。

###縱向合并

構(gòu)造數(shù)據(jù)集：

ID<-c(1,2,3,4)

Name<-c("A","B","C","D")

Student1<-data.frame(ID,Name)

ID<-c(5,6,7,8)

Name<-c("E","F","G","H")

Student2<-data.frame(ID,Name)

合并：

Total_student3<-rbind(Student1,Student2)

以上通過rbind函數(shù)對Student1,Student2兩個數(shù)據(jù)集進行縱向合并（也稱追加）。

merge函數(shù)：

merge函數(shù)主要針對橫向（列字段）合并，而且可以針對主字段（主鍵）進行匹配，如果主字段名稱不同，還可以指定前后相匹配的主字段。

基本語法如下：

merge(x, y, by = , by.x = , by.y = , all = , all.x = , all.y = , sort = , suffixes = , incomparables = , ...)

具體參數(shù)解釋如下：

接下來按照名相同與不同分兩種情況介紹；

列名相同：

ID<-c(1,2,3,4)

name<-c("A","B","C","D")

score<-c(60,70,80,90)

student1<-data.frame(ID,name)

student2<-data.frame(ID,score)

total_student1<-merge(student1,student2,by="ID")  

#以上兩個數(shù)據(jù)集有相同的列名（ID）時，by參數(shù)可以省略（by="ID"）

以上兩個數(shù)據(jù)集中，authors和books中有相同屬性的主字段（surname&name）但是主字段名稱不同，這里需要給merge函數(shù)指定匹配的主字段。

橫向合并的四種類型：

#inner（內(nèi)部鏈接）只合并交集

m1 <- merge(authors, books, by.x = "surname", by.y = "name")

#left join（左連接）

m2 <- merge(authors, books, by.x = "surname", by.y = "name",all.x=TRUE)

#right join（右連接）

m3 <- merge(authors, books, by.x = "surname", by.y = "name",all.y=TRUE)

#all_join（外連接）

m4 <- merge(authors, books, by.x = "surname", by.y = "name",all=TRUE)

plyr::join函數(shù)

join函數(shù)源于plyr包（該包作者就是大名鼎鼎的Hadley Wickham，就是ggplot2的開發(fā)者，當然它開發(fā)的包還有很多），使用前需要加載：

以下是該函數(shù)語法：

join(x, y, by = NULL, type = "left", match = "all")

當兩個數(shù)據(jù)集主字段有相同名稱時，by參數(shù)可以省略（by="name"）,當名稱不同時，需指定左右兩個數(shù)據(jù)集匹配的主字段名稱。

join(x,y,by=intersect("Name","name"),type = "left")

以下我只演示相同主字段名稱下的四種類型合并語句：

構(gòu)造待合并數(shù)據(jù)集:

x<-data.frame(name=c("John","Paul","George","Ringo","Stuart","Pete"),instrument=c("guitar","bass","guitar","drums","bass","drums"))

y<-data.frame(name=c("John","Paul","George","Ringo","Brian"),band=c("TRUE","TRUE","TRUE","TRUE","FALSE"))

#left_join

data1<-join(x,y,by="name",type = "left")

#right_join

data2<-join(x,y,by="name",type = "right")

#inner_join

data3<-join(x,y,by="name",type = "inner")

#full_join

data4<-join(x,y,by="name",type = "full")

合并函數(shù)與merge函數(shù)基本相同。

dplyr::inner_join/full_join/left_join/right_join

（告訴你一個不幸的消息，該包作者還是Hadley Wickham，沒辦法，一個贏者通吃的時代，誰讓人家有才任性呢哈哈~_~）

dplyr的數(shù)據(jù)合并語句要比plyr還要精練：

x<-data.frame(Name=c("John","Paul","George","Ringo","Stuart","Pete"),instrument=c("guitar","bass","guitar","drums","bass","drums"))

y<-data.frame(name=c("John","Paul","George","Ringo","Brian"),band=c("TRUE","TRUE","TRUE","TRUE","FALSE"))

#(1)inner_join(x, y) ：只包含同時出現(xiàn)在x,y表中的行

data1<-inner_join(x,y,by=c("Name"="name"))

#(2)left_join(x, y) ：包含所有x中以及y中匹配的行

data2<-left_join(x,y,by=c("Name"="name"))

#(3)right_join(x, y,by=c("Name"="name")) ：包含所有y中以及x中匹配的行

data3<-right_join(x,y,by=c("Name"="name"))

#(4)full_join(x,y,by=c("Name"="name")) ：包含所以x、y中的行

data4<-full_join(x,y,by=c("Name"="name"))

#(5)semi_join(x, y) ：包含x中，在y中有匹配的行，結(jié)果為x的子集

data5<-semi_join(x,y,by=c("Name"="name"))

#(6)anti_join(x, y) ：包含x中，不匹配y的行，結(jié)果為x的子集，與semi_join相反

data6<-anti_join(x,y)

以上連接類型中，前四個（內(nèi)連接、外連接、左連接、右連接）最為常用，大家可以將dplyr和plyr以及merge函數(shù)三種連接方式進行對比記憶。

下面聊一列為啥要專門講一節(jié)數(shù)據(jù)連接方式：

因為……

在excel中……

這種數(shù)據(jù)連接真的……真的……真的……太費勁了

我所知道的連接方式——

第一：手動復制黏貼；（大家不要隨便作死）

第二：最古老的Microsoft Query（藏在excel數(shù)據(jù)導入菜單的最底層，據(jù)說微軟也不更新了，如果的excel是精簡版的，可能都沒法調(diào)用，菜單特丑）

第三：數(shù)據(jù)透視表；Alt+D+P（為啥微軟要把調(diào)用數(shù)據(jù)透視表多表合并的菜單隱藏起來只能用快捷鍵，太煩人了）

第四：微軟的最新商務智能應用——PowerBI(其中的PowerQuery、PowerPivot)

第五：第三方的效率插件（很多VBA大神寫過這些辦公插件，但是我就不愛用，多裝一個，Excel啟動拖后兩秒鐘，時間就是金錢啊你說是不）

以上四種方式（第一種除外），雖說都可以完成數(shù)據(jù)合并操作，但是效率上不敢恭維，每次都得走一遍菜單流程。如果有點R語言基礎(chǔ)的同學，強烈建議將這些操作放在R中操作，數(shù)據(jù)導入導出、長寬轉(zhuǎn)換、橫縱合并，只需修改一下代碼路徑、參數(shù)分分鐘搞定。

當然對于有數(shù)據(jù)庫基礎(chǔ)的同學(相信大部分同學都有吧，應該是大學本科的必修課)來講，寫幾個SQL也可以瞬間完成。

雖然已經(jīng)N多年沒有用過了，但是還是想在這里獻丑一下：

內(nèi)連接 inner join

語法：select * from x inner join y on x.Name =y.name

左連接 left join（左表中所有數(shù)據(jù)，右表中對應數(shù)據(jù)）

語法：select * from x left join y on x.Name = y.name

右連接 right join（右表中所有數(shù)據(jù)，左表中對應數(shù)據(jù)）

語法：select * from x right join y on x.Name = y.name

全連接 full join

語法：select * from x full join y on x.Name = y.name

我是一個比較懶、嫌麻煩但注重效率的人，很多關(guān)于數(shù)據(jù)處理上的需求，如果能用簡單的方式解決（比如VBA、R或者效率函數(shù)）,我都不會去選擇安裝插件或者外部軟件，一方面太浪費時間，操作麻煩；另一方面，使用插件大多需要用菜單點選，以后遇到同樣的需要還得從新走一遍流程，所以我更傾向用簡單的可重復利用的代碼來解決。

簡單、省事兒、快捷、可重復……

感謝各位的閱讀，以上就是“怎么用R語言實現(xiàn)數(shù)據(jù)合并與追加”的內(nèi)容了，經(jīng)過本文的學習后，相信大家對怎么用R語言實現(xiàn)數(shù)據(jù)合并與追加這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！

文章題目：怎么用R語言實現(xiàn)數(shù)據(jù)合并與追加
地址分享：http://aaarwkj.com/article14/pdhdde.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供自適應網(wǎng)站、虛擬主機、企業(yè)網(wǎng)站制作、服務器托管、商城網(wǎng)站、響應式網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)