English | 简体中文 | 繁體中文 | Русский язык | Français | Español | Português | Deutsch | 日本語 | 한국어 | Italiano | بالعربية
R 语言合并数据框使用 merge() 函数。
merge() 函数语法格式如下：
# S3 方法
merge(x, y, …)
# data.frame 的 S3 方法
merge(x, y, by = intersect(names(x), names(y)),
by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,
sort = TRUE, suffixes = c(".x",".y"), no.dups = TRUE,
incomparables = NULL, ...)Spiegazione dei parametri comuni:
x, y: data frame
by, by.x, by.y: specifica il nome della colonna di matching tra due data frame, per impostazione predefinita utilizza il nome della colonna identico nei due data frame.
all: valore logico; all = L è l'abbreviazione di all.x = L e all.y = L, L può essere TRUE o FALSE.
all.x: valore logico, predefinito a FALSE. Se impostato a TRUE, mostra le righe corrispondenti in x, anche se in y non ci sono corrispondenze corrispondenti, le righe mancanti in y vengono rappresentate con NA.
all.y: valore logico, predefinito a FALSE. Se impostato a TRUE, mostra le righe corrispondenti in y, anche se in x non ci sono corrispondenze corrispondenti, le righe mancanti in x vengono rappresentate con NA.
sort: valore logico, indica se ordinare le colonne.
La funzione merge() è molto simile alla funzione JOIN di SQL:
Natural join o INNER JOIN：如果表中有至少一个匹配，则返回行
Left outer join o LEFT JOIN：即使右表中没有匹配，也从左表返回所有的行
Right outer join o RIGHT JOIN：即使左表中没有匹配，也从右表返回所有的行
Full outer join o FULL JOIN：只要其中一个表中存在匹配，则返回行
# DATA FRAME 1
df1 = data.frame(SiteId = c(1:6), Site = c("Google","w3codebox","Taobao","Facebook","Zhihu","Weibo"))
# DATA FRAME 2
df2 = data.frame(SiteId = c(2, 4, 6, 7, 8), Country = c("CN","USA","CN","USA","IN"))
# JOIN INTERNO
df1 = merge(x=df1, y=df2, by="SiteId")
print("----- INNER JOIN -----")
print(df1)
# FULL JOIN
df2 = merge(x=df1,y=df2,by="SiteId",all=TRUE)
print("----- FULL JOIN -----")
print(df2)
# LEFT JOIN
df3 = merge(x=df1,y=df2,by="SiteId",all.x=TRUE)
print("----- LEFT JOIN -----")
print(df3)
# RIGHT JOIN
df4 = merge(x=df1,y=df2,by="SiteId",all.y=TRUE)
print("----- RIGHT JOIN -----")
print(df4)執行以上代碼輸出結果為：
[1] "----- INNER JOIN -----" SiteId Site Country 1 2 w3codebox CN 2 4 Facebook USA 3 6 Weibo CN [1] "----- FULL JOIN -----" SiteId Site Country.x Country.y 1 2 w3codebox CN CN 2 4 Facebook USA USA 3 6 Weibo CN CN 4 7 <NA> <NA> USA 5 8 <NA> <NA> IN [1] "----- LEFT JOIN -----" SiteId Site.x Country Site.y Country.x Country.y 1 2 w3codebox CN w3codebox CN CN 2 4 Facebook USA Facebook USA USA 3 6 Weibo CN Weibo CN CN [1] "----- RIGHT JOIN -----" SiteId Site.x Country Site.y Country.x Country.y 1 2 w3codebox CN w3codebox CN CN 2 4 Facebook USA Facebook USA USA 3 6 Weibo CN Weibo CN CN 4 7 Weibo CN Weibo CN CN 5 8 <NA> <NA> <NA> <NA> IN
R lingua utilizzata melt() e cast() funzioni per integrare e dividere i dati.
melt(): trasformazione dei dati dal formato largo al formato lungo.
cast(): trasformazione dei dati dal formato lungo al formato largo.
La seguente figura illustra bene le funzioni melt() e cast() (i successivi esempi saranno illustrati in dettaglio):
melt() mette ogni colonna del set di dati in una colonna, la sintassi della funzione è:
melt(data, ..., na.rm = FALSE, value.name = "value")
Spiegazione dei parametri:
data: set di dati.
...: passare altri parametri a metodi diversi o ricevere altri parametri da metodi diversi.
na.rm: eliminare i valori NA dal set di dati.
value.name nome variabile, utilizzato per memorizzare i valori.
Prima di eseguire le seguenti operazioni, installiamo i pacchetti dipendenti:
# Installazione delle librerie, MASS contiene molte funzioni, strumenti e set di dati statistici
install.packages("MASS", repos = "https://mirrors.ustc.edu.cn/CRAN/")
# melt() e cast() funzioni devono essere in libreria
install.packages("reshape2", repos = "https://mirrors.ustc.edu.cn/CRAN/")
install.packages("reshape", repos = "https://mirrors.ustc.edu.cn/CRAN/")Esempio di test:
# Carica le librerie
library(MASS)
library(reshape2)
library(reshape)
# Creazione della tabella di dati
id <- c(1, 1, 2, 2)
time <- c(1, 2, 1, 2)
x1 <- c(5, 3, 6, 2)
x2 <- c(6, 5, 1, 4)
mydata <- data.frame(id, time, x1, x2)
# Dataset originale
cat("Dataset originale:\n")
print(mydata)
# Integrazione
md <- melt(mydata, id = c("id","time"))
cat("\nIntegrazione:\n")
print(md)執行以上代碼輸出結果為：
Dataset originale: id time x1 x2 1 1 1 5 6 2 1 2 3 5 3 2 1 6 1 4 2 2 2 4 Integrazione: id time variable value 1 1 1 x1 5 2 1 2 x1 3 3 2 1 x1 6 4 2 2 2 x1 2 5 1 1 2 x2 6 6 1 2 2 x2 5 7 2 1 2 x2 1 8 2 2 2 x2 4
La funzione cast() viene utilizzata per ripristinare i dati combinati, dcast() restituisce una tabella di dati, acast() restituisce un vettore/matrice/array.
Sintassi della funzione cast():
dcast( data, formula, fun.aggregate = NULL, ... margins = NULL, subset = NULL, fill = NULL, drop = TRUE, value.var = guess_value(data) ) acast( data, formula, fun.aggregate = NULL, ... margins = NULL, subset = NULL, fill = NULL, drop = TRUE, value.var = guess_value(data) )
Spiegazione dei parametri:
data: tabella di dati da combinare.
formula: formato dei dati rimescolati, simile a x ~ y, x è il tag delle righe, y è il tag delle colonne.
fun.aggregate: funzione di aggregazione, utilizzata per elaborare i valori di value.
margins: vettore di nomi di variabili (può includere "grand_col" e "grand_row"), utilizzato per calcolare i margini, impostare TRUE per calcolare tutti i margini.
subset: filtra i risultati con condizioni, formato simile a subset = .(variable == "length").
drop: se conservare i valori di default.
value.var: segue il campo da trattare.
# Carica le librerie
library(MASS)
library(reshape2)
library(reshape)
# Creazione della tabella di dati
id <- c(1, 1, 2, 2)
time <- c(1, 2, 1, 2)
x1 <- c(5, 3, 6, 2)
x2 <- c(6, 5, 1, 4)
mydata <- data.frame(id, time, x1, x2)
# Integrazione
md <- melt(mydata, id = c("id","time"))
# Stampa il set di dati ricastato utilizzando la funzione cast()
cast.data <- cast(md, id ~ variable, mean)
print(cast.data)
cat("\n")
time.cast <- cast(md, time~variable, mean)
print(time.cast)
cat("\n")
id.time <- cast(md, id~time, mean)
print(id.time)
cat("\n")
id.time.cast <- cast(md, id+time~variable)
print(id.time.cast)
cat("\n")
id.variable.time <- cast(md, id+variable~time)
print(id.variable.time)
cat("\n")
id.variable.time2 <- cast(md, id~variable+time)
print(id.variable.time2)執行以上代碼輸出結果為：
id x1 x2 1 1 4 5.5 2 2 4 2.5 time x1 x2 1 1 5.5 3.5 2 2 2.5 4.5 id 1 2 1 1 5.5 4 2 2 3.5 3 id time x1 x2 1 1 1 5 6 2 1 2 3 5 3 2 1 6 1 4 2 2 2 4 id variable 1 2 1 1 x1 5 3 2 1 x2 6 5 3 2 x1 6 2 4 2 x2 1 4 id x1_1 x1_2 x2_1 x2_2 1 1 5 3 6 5 2 2 6 2 1 4