R数据科学整洁之道：使用 dplyr 处理关系数据

忘了 vlookup 吧，我劝你用 dplyr 处理关系数据。

工作中经常有这样的需求，将两张表根据某些列合并起来。

有人喜欢用 Excel 的 vlookup 函数来处理。但对于生信人来说，这显然不够优雅，因为我们有更好的办法。

这就是 dplyr 包的 join 系列函数，主要有：

• left_join
• right_join
• inner_join
• full_join
• semi_join
• anti_join

加载包

library(tidyverse)
library(kableExtra)

数据

表 1

df1 = tibble(
  A = c('a', 'b', 'c'),
  B = c('x', 'y', 'z'),
  )

kable(df1)

表 2

df2 = tibble(
  A = c('a', 'b', 'd'), 
  C = c(3, 2, 1))

kable(df2)

键

在正式介绍连接之前，我们先讲一讲键这个概念。

键：就是连接两个表所需要依赖的列。有时候，根据某一列，就可以把两个表连接起来，但也有可能需要根据几列才能完成连接。

合并连接

left_join

左连接，就是左边的表不变，将右边的表附加到左边，不保留右表中多余的观测。

left_join(df1, df2, by = 'A') %>%
  kable() %>%
  kable_styling()

如果左表中的观测在右边的表中不存在，则合并后右表相应的位置标记为NA。

right_join

右连接，就是右边的表不变，将左边的表附加到右边，不保留左表中多余的观察。

right_join(df1, df2, by = 'A') %>%
  kable() %>%
  kable_styling()

inner_join

内连接，只保留在两个表中都存在的观测。

inner_join(df1, df2, by = 'A') %>%
  kable() %>%
  kable_styling()

full_join

全连接，保留在两个表中的所有观测。

full_join(df1, df2, by = 'A') %>%
  kable() %>%
  kable_styling()

筛选连接

semi_join

过滤左表，只保留那些在右表中存在的观测。

semi_join(df1, df2, by = 'A') %>%
  kable() %>%
  kable_styling()

anti_join

过滤左表，只保留那些不在右表中存在的观测。

anti_join(df1, df2, by = 'A') %>%
  kable() %>%
  kable_styling()

写在最后

本文简单介绍了 dplyr join 系列函数的功能，这些函数还有更加丰富的参数设置，可以参考 tidyverse 官方文档进一步学习。