R语言数据表匹配和拼接 merge函数的使用

这篇文章主要介绍了R语言数据表匹配和拼接 merge函数的使用说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

R中的merge函数类似于Excel中的Vlookup，可以实现对两个数据表进行匹配和拼接的功能。

				?

									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"), incomparables = NULL, ...)

x,y:用于合并的两个数据框

by,by.x,by.y:用于连接两个数据集的列，intersect(a,b)值向量a,b的交集，names(x)指提取数据集x的列名 by = intersect(names(x), names(y)) 是获取数据集x，y的列名后，提取其公共列名，作为两个数据集的连接列，当有多个公共列时，需用下标指出公共列，如names(x)[1]，指定x数据集的第1列作为公共列也可以直接写为 by = ‘公共列名' ，前提是两个数据集中都有该列名，并且大小写完全一致，R语言区分大小写

all,all.x,all.y:指定x和y的行是否应该全在输出文件.

sort:by指定的列是否要排序.

suffixes:指定除by外相同列名的后缀.

incomparables:指定by中哪些单元不进行合并.

merge函数有4种匹配拼接模式，分别为inner，left，right和outer模式。其中inner为默认的匹配模式。all=T代表全连接，all.x=T代表左联结；all.y=T代表右连接

inner 模式匹配，只显示两个数据集公共列中均有的行

# 有多个公共列时，需指出使用哪一列作为连接列merge(x,y,by=intersect(names(x)[1],names(y)[1]))

# 当两个数据集连接列名称同时，直接用by.x，by.y 指定连接列merge(x,y,by.x ='name',by.y ='name')

# 当两个数据集均有连接列时，直接指定连接列的名称merge(x,y,by='name')

outer 模式，将两张表的数据汇总，表中原来没有的数据置为空

				?

									merge(x, y, all=TRUE, sort=TRUE)

# all = TRUE 表示选取x, y 数据集的所有行，sort = TRUE，表示按 by 列进行排序，默认升序

left 匹配模式

				?

									merge(x ,y,all.x=TRUE,sort=TRUE)

# 多个公共列末指定连接列 ,左连接，设置 all.x = TRUE，结果只显示数据x的列及x在y数据集中没有的列

merge(x, y, by = 'name',all.x = TRUE, sort = TRUE) # 多个公共列指定连接列指，左连接，设置 all.x = TRUE，结果只显示x所有names(x)[1]值

right 匹配模式

				?

									merge(x ,y ,by='name',all.y=TRUE,sort=TRUE)

# 多个公共列指定连接列# 左连接，设置all.y =TRUE，结果只显示y所有names(y) [1] 值的记录

补充：R语言subset和merge函数的使用

1、merge函数对数据框的操作

从两个数据框中选择出条件相等的行组合成一个新的数据框

				?

									df1=data.frame(name=c("aa","bb","cc"),age=c(20,29,30),sex=c("f","m","f"))

									df2=data.frame(name=c("dd","bb","cc"),age=c(40,35,36),sex=c("f","m","f"))

									mergedf=merge(df1,df2,by="name")

2、subset函数

从某一个数据框中选择出符合某条件的数据或是相关的列

（1）单条件查询

				?

									> selectresult=subset(df1,name=="aa")

									> selectresult

									 name age sex

									1  aa 20  f

									> df1

									 name age sex

									1  aa 20  f

									2  bb 29  m

									3  cc 30  f

（2）指定显示列

				?

									> selectresult=subset(df1,name=="aa",select=c(age,sex))

									> selectresult

									 age sex

									1 20  f

（3）多条件查询

				?

									> selectresult=subset(df1,name=="aa" & sex=="f",select=c(age,sex))

									> selectresult

									 age sex

									1 20  f

									> df1

									 name age sex

									1  aa 20  f

									2  bb 29  m

									3  cc 30  f