撰稿人：统计小可爱，爱笑的人运气不会太差
在统计分析过程中，如果数据分散在多个数据集，我们在进行下一步的时候就需要将其进行拼接合并。
数据合并
01
横向合并
1. cbind{base}
直接横向合并两个矩阵或数据框，并不需要制定一个公共索引，可使用cbind函数：
cbind (A, B)
该函数将横向合并对象A和对象B，为了能够正常工作，每个对象必须拥有相同的行数，以相同顺序排序。
例1：假设有a，b，c三个矩阵，其中矩阵a和矩阵b有3行数据，矩阵c有4行数据。我们将对矩阵a和矩阵b，矩阵a和矩阵c进行横向合并，结果如下：
a <- matrix(1:12, 3, 4)
b <- matrix(-1:-12, 3, 4)
c <- matrix(-1:-20, 4, 5)
x1 <- cbind(a,b) #a和b合并成功
x2 <- cbind(a,c) #系统报错
Error in cbind(a, c) : number of rows of matrices must match (see arg 2)
2. bind_cols{dplyr}
bind_cols( )函数在dplyr包中，可以进行横向合并的函数，同样要求合并数据框行数相同。
bind_cols(A, B)
02
纵向合并
1. rbind{base}
纵向合并两个数据框（数据集），可使用rbind( )函数:
rbind(A, B)
两个数据框必须拥有相同的变量，不过它们的顺序不必一定相同。如果对象A中拥有对象B中没有的变量，需要在合并前删除对象A中的多余变量，或者在对象B中创建追加的变量并将其值设为NA（缺失）。
例2：我们将对例1的矩阵a和矩阵b，矩阵a和矩阵c进行纵向合并，结果如下：
y1 <- rbind(a,b) #a和b合并成功
y2 <- rbind(a,c) #系统报错
Error in rbind(a, c) : number of columns of matrices must match (see arg 2)
2. bind_rows{dplyr}
bind_rows( )函数不要求字段名称必须相同，函数会自己做判断，把对象A中拥有而对象B中没有的变量，用NA值表示：
bind_rows(A, B)
例3：假设我们要对data1和data2这两个数据框进行合并。
data1<-data.frame(nameA=c ('Emma', 'Mia', 'Zoe', 'Coden'),value=c(34, 52, 36, 18))
data2<-data.frame(nameB=c ('Jackson', 'Lucas', 'Logan', 'Ellen'), value=c(45, 31, 22, 19))
bind_rows(data1,data2)
数据连接
01
merge
横向合并两个数据框（数据集），使用merge( )函数。多数情况下，两个数据框是通过一个或多个共有变量进行联结的。
merge (datax,datay,by= ,all= ,all.x= ,all.y= incomparables= )
by=：指定连接的字段；
all=：TRUE（全连接）或者FALSE（内连接）决定是否保留相同ID字段，还是连接保留ID所有字段；
all.x=：TRUE（左连接）通过第一个数据框进行连接，即保留第一个数据框对应ID值；
all.y=：TRUE（右连接）通过第二个数据框进行连接，即保留第二个数据框对应ID值；
incomparables=：合并中不考虑的匹配值。
例4：假设我们要对x和y这两个数据框进行匹配，连接的变量为k1。
x <- data.frame(k1 = c(NA,NA,3,4,5), k2 = c(1,NA,NA,4,5), data = 1:5)
y <- data.frame(k1 = c(NA,2,NA,4,5), k2 = c(NA,NA,3,4,5), data = 1:5)
merge(x, y, by = 'k1') #这里x和y两个数据框的k1变量均有两个缺失（NA）。这样在匹配过程中，x每条k1缺失的观测都会跟y的2条k1缺失的观测匹配到。
merge(x, y, by = 'k2', incomparables = NA) #通过设置“incomparables = NA”来让缺失的观测不进行匹配。
例5：下面举例介绍内连接，全连接，左连接和右连接。假设要对数据集table1和table2进行匹配，连接的变量为ID。
table1<-data.frame(Id=c(1, 2, 3), sex=c('女', '男', '男'))
table2<-data.frame(Id=c(1, 2, 4), age=c(22, 17, 33))
#内连接，在每个表中找出符合条件的共有记录。
merge(table1,table2,by='Id',all=FALSE)
#全连接,返回符合条件的所有表的记录，没有与之匹配的，用NA表示（结果是左连接和右连接的并集）
merge(table1,table2,by='Id',all=TRUE)
#左连接，根据左表的记录，在被连接的右表中找出符合条件的记录与之匹配，如果找不到与左表匹配的，用NA表示。
merge(table1,table2,by='Id',all.x=TRUE)
#右连接,根据右表的记录，在被连接的左表中找出符合条件的记录与之匹配，如果找不到匹配的，用NA填充。
merge(table1,table2,by='Id',all.y=TRUE)
02
dplyr包的连接函数
dplyr包也提供了数据连接的函数：
#内连接
inner_join(table1,table2,by='Id')
#全连接
full_join(table1,table2,by='Id')
#左连接
left_join(table1,table2,by='Id')
#右连接
right_join(table1,table2,by='Id')
以上就是今天讲的内容，顺便吐槽下另一位作者的笔名。
联系客服
