dplyr包中的inner_join、semi_join、left_join、anti_join、full_join

前⾯面已经介绍过 rbind 和 cbind 函数的⽤用法,如下:

rbind : 根据⾏行行进⾏行行合并,就是⾏行行的叠加,m⾏行行的矩阵与n⾏行行的矩阵rbind()最后变成m+n⾏行行,合 并前提:列列数必需相等; cbind : 根据列列进⾏行行合并,即叠加所有列列,m列列的矩阵与n列列的矩阵 cbind()最后变成m+n列列,合并前提:⾏行行数必需相符。

但是,当两个数据框,含有的⾏行行数、列列数不不相等的时候,改如何进⾏行行 合并 呢?

tidyverse 中的 inner_join 、 semi_join 、 left_join 、 anti_join 、 full_join 函数值 得学习。

install.packages('tidyverse')
superheroes <- tibble::tribble(
  ~name, ~alignment,  ~gender,          ~publisher,
  "Magneto",      "bad",   "male",            "Marvel",
  "Storm",     "good", "female",            "Marvel",
  "Mystique",      "bad", "female",            "Marvel",
  "Batman",     "good",   "male",                "DC",
  "Joker",      "bad",   "male",                "DC",
  "Catwoman",      "bad", "female",                "DC",
  "Hellboy",     "good",   "male", "Dark Horse Comics"
)
superheroes

publishers <- tibble::tribble(
  ~publisher, ~yr_founded,
  "DC",       1934L,
  "Marvel",       1939L,
  "Image",       1992L
)

1.inner_join

  (ijsp <- inner_join(superheroes, publishers))
image-20191118173444647

inner_join(x, y) :选出在y中含有相同元素所对应的x,将⼆二者的⾏行行进⾏行行合并,以 x(superheroes)的顺序为准

(ijps <- inner_join(publishers, superheroes))   
image-20191118175539522

inner_join(x, y) :选出在y中含有相同元素所对应的x,将⼆二者的⾏行行进⾏行行合并,以 x(superheroes)的顺序为准

2.semi_join

(sjsp <- semi_join(superheroes, publishers))
image-20191118174031977

semi_join(x, y) :取半,从y中选出在x中有的元素所对应的⾏行行,不不加y(publishers)

(sjps <- semi_join(x = publishers, y = superheroes))
image-20191118175648452

semi_join(x, y) :取半,从y中选出在x中有的元素所对应的⾏行行,不不加y(superheroes)

3.left_join

(ljsp <- left_join(superheroes, publishers))
image-20191118175054555

left_join(x, y) :以x为准,若y中不不含有x(Hellboy)中的元素,也以x为主,计作NA

(ljps <- left_join(publishers, superheroes))
image-20191118175853715

left_join(x, y) :以x为准,若y中不不含有x(Image)中的元素,也以x为主,计作NA

4.anti_join

(ajsp <- anti_join(superheroes, publishers))
image-20191118175245433

anti_join(x, y) :选出x不在y(Hellboy)⾥里里的

 (ajps <- anti_join(publishers, superheroes))
image-20191118175929515

anti_join(x, y) :选出x不不在y(Image)⾥里里的

5.full_join

  (fjsp <- full_join(superheroes, publishers))
image-20191118180010757

full_join(x, y) :x、y全部合并,若⼆二者互相都有不不含有对⽅方的,都计作NA.

最后友情宣传生信技能树

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,284评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,115评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,614评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,671评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,699评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,562评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,309评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,223评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,668评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,859评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,981评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,705评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,310评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,904评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,023评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,146评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,933评论 2 355