Tidyverse| XX_join ：多個數據表（文件）之間的各類鏈接

本文首發於公衆號：「生信補給站」 Tidyverse| XX_join ：多個數據表（文件）之間的各類鏈接

前面分享了單個文件中的select列，filter行，列拆分等，實際中常常是多個數據表，綜合使用才能回答你所感興趣的問題。

本次簡單的介紹多個表（文件）鏈接的方法。

一 載入數據，R包

library(tidyverse)
x <- tribble(
  ~key, ~val_x,
     1, "x1",
     2, "x2",
     3, "x3"
)
y <- tribble(
  ~key, ~val_y,
     1, "y1",
     2, "y2",
     4, "y3"
)

 

二 合併數據

向數據框中加入新變量，新變量的值是另外一個數據框中的匹配觀測。

 

1 鏈接方式

1） 內鏈接 inner_join

內鏈接是最簡單的一種鏈接，只要兩個觀測的鍵是相等的，便可匹配。

 

註釋：匹配在實際的鏈接操做中是用圓點表示的。圓點的數量 = 匹配的數量 = 結果中行的數量。下同

x %>% 
  inner_join(y, by = "key")
# A tibble: 2 x 3
     key val_x val_y
   <dbl> <chr> <chr>
 1     1 x1    y1   
 2     2 x2    y2

內鏈接最重要的性質是，沒有匹配的行不會包含在結果中。容易丟失觀測，慎用。

 

2） 外鏈接

外鏈接則保留至少存在於一個表中的觀測。外鏈接有 3 種類型： • 左鏈接 left_join：保留 x 中的全部觀測。 • 右鏈接 right_join：保留 y 中的全部觀測 • 全鏈接 full_join：保留 x 和 y 中的全部觀測。

x %>%
left_join(y, by = "key")
# A tibble: 3 x 3
    key val_x val_y
  <dbl> <chr> <chr>
1     1 x1    y1   
2     2 x2    y2   
3     3 x3    <NA> 

x %>%
right_join(y, by = "key")
# A tibble: 3 x 3
    key val_x val_y
  <dbl> <chr> <chr>
1     1 x1    y1   
2     2 x2    y2   
3     4 <NA>  y3 

x %>%
full_join(y, by = "key")
# A tibble: 4 x 3
    key val_x val_y
  <dbl> <chr> <chr>
1     1 x1    y1   
2     2 x2    y2   
3     3 x3    <NA> 
4     4 <NA>  y3 

 

 

2 重複鍵

以上均假設鍵具備惟一性，但狀況並不是老是如此。

若是x中的key變量，在y中有多個一樣的key，那麼全部的結合可能都會羅列出來

x1 <- tribble(
  ~key, ~val_x,
     1, "x1",
     2, "x2",
     2, "x3",
     1, "x4"
)
y1 <- tribble(
  ~key, ~val_y,
     1, "y1",
     2, "y2"
)
left_join(x1, y1, by = "key")
 # A tibble: 4 x 3
     key val_x val_y
   <dbl> <chr> <chr>
 1     1 x1    y1   
 2     2 x2    y2   
 3     2 x3    y2   
 4     1 x4    y1

 

3 定義鏈接鍵

1) 默認值 by = NULL

使用存在於兩個表中的全部變量，這種方式稱爲天然鏈接。

left_join(x, y)
Joining, by = "key"
# A tibble: 3 x 3
    key val_x val_y
  <dbl> <chr> <chr>
1     1 x1    y1   
2     2 x2    y2   
3     3 x3    <NA> 

 

2) 定義匹配鍵 by = c("a" = "b")

匹配 x 表中的 a 變量和 y 表中的 b 變量，輸出結果中使用的是 x 表中的變量。

y_1 <- tribble(
  ~key2, ~val_y,
     1, "y1",
     2, "y2"
)
left_join(x, y_1, by = c("key" = "key2"))
# A tibble: 3 x 3
    key val_x val_y
  <dbl> <chr> <chr>
1     1 x1    y1   
2     2 x2    y2   
3     3 x3    <NA> 

 

3) 多個匹配鍵

x2 <- tribble(
  ~key,~key1, ~val_x,
     1, 2018,"x1",
     2, 2019,"x2",
     3, 2019,"x3"
)
y2 <- tribble(
  ~key, ~key1,~val_y,
     1, 2018,"y1",
     2, 2018,"y2",
     4, 2019,"y3"
)
inner_join(x2,y2,by = c("key","key1"))
# A tibble: 1 x 4
    key  key1 val_x val_y
  <dbl> <dbl> <chr> <chr>
1     1  2018 x1    y1   

 

三 篩選鏈接

篩選鏈接匹配觀測的方式與合併鏈接相同，但前者影響的是觀測，而不是變量。篩選鏈接 有兩種類型。

semi_join函數

• 保留 x 表中與 y 表中的觀測相匹配的全部觀測

semi_join(x, y, by = "key")
# A tibble: 2 x 2
    key val_x
  <dbl> <chr>
1     1 x1   
2     2 x2

 

anti_join函數

• 丟棄 x 表中與 y 表中的觀測相匹配的全部觀測。

 

anti_join(x, y, by = "key")
# A tibble: 1 x 2
    key val_x
  <dbl> <chr>
1     3 x3 

 

參考資料：

https://r4ds.had.co.nz/

《R數據科學》

 

【以爲不錯，右下角點個「在看」，期待您的轉發，謝謝！】