English | 简体中文 | 繁體中文 | Русский язык | Français | Español | Português | Deutsch | 日本語 | 한국어 | Italiano | بالعربية
R 语言合并数据框使用 merge() 函数。
merge() 函数语法格式如下：
# S3 方法
merge(x, y, …)
# data.frame 的 S3 方法
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"), no.dups = TRUE,
incomparables = NULL, …)شرح المعلمات الشائعة:
x, y: جداول بيانات
by, by.x, by.y: تحديد اسم عمود التطابق في الجداول الاثنين، افتراضياً يتم استخدام نفس اسم العمود في الجداول الاثنين.
all: قيمة منطقية; all = L هو اختصار لـ all.x = L و all.y = L، حيث يمكن أن يكون L TRUE أو FALSE.
all.x: قيمة منطقية، افتراضياً FALSE. إذا كان TRUE، يتم عرض الصفوف التي تطابقها في x، حتى لو لم يكن هناك تطابق في y، ويتم تمثيل الصفوف التي لا تتطابق في y بـ NA.
all.y: قيمة منطقية، افتراضياً FALSE. إذا كان TRUE، يتم عرض الصفوف التي تطابقها في y، حتى لو لم يكن هناك تطابق في x، ويتم تمثيل الصفوف التي لا تتطابق في x بـ NA.
sort: قيمة منطقية، ما إذا كان يجب ترتيب الأعمدة أم لا.
函数 merge() مشابهة جداً لميزة JOIN في SQL:
Natural join أو INNER JOIN：إذا كان هناك تطابق على الأقل في الجدول، فإنه يعود بالصفوف
Left outer join أو LEFT JOIN：حتى لو لم يكن هناك تطابق في الجدول الأيمن، فإنه يعود بجميع الصفوف من الجدول الأيسر
Right outer join أو RIGHT JOIN：حتى لو لم يكن هناك تطابق في الجدول الأيسر، فإنه يعود بجميع الصفوف من الجدول الأيمن
Full outer join أو FULL JOIN：只要其中一个表中存在匹配，则返回行
# data frame 1
df1 = data.frame(SiteId = c(1:6), Site = c("Google","w3codebox","Taobao","Facebook","Zhihu","Weibo"))
# data frame 2
df2 = data.frame(SiteId = c(2, 4, 6, 7, 8), Country = c("CN","USA","CN","USA","IN"))
# INNER JOIN
df1 = merge(x=df1, y=df2, by="SiteId")
print("----- INNER JOIN -----")
print(df1)
# FULL JOIN
df2 = merge(x=df1,y=df2,by="SiteId",all=TRUE)
print("----- FULL JOIN -----")
print(df2)
# LEFT JOIN
df3 = merge(x=df1,y=df2,by="SiteId",all.x=TRUE)
print("----- LEFT JOIN -----")
print(df3)
# RIGHT JOIN
df4 = merge(x=df1,y=df2,by="SiteId",all.y=TRUE)
print("----- RIGHT JOIN -----")
print(df4)نتيجة تنفيذ الكود أعلاه
[1] "----- INNER JOIN -----" SiteId......Site......Country 1......2......w3codebox......CN 2......4......Facebook......USA 3......6......Weibo......CN [1] "----- FULL JOIN -----" SiteId......Site......Country.x......Country.y 1......2......w3codebox......CN......CN 2......4......Facebook......USA......USA 3......6......Weibo......CN......CN 4......7......<NA>......<NA>......USA 5......8......<NA>......<NA>......IN [1] "----- LEFT JOIN -----" SiteId......Site.x......Country......Site.y......Country.x......Country.y 1......2......w3codebox......CN......w3codebox......CN......CN 2......4 Facebook......USA Facebook......USA......USA 3 6 Weibo CN Weibo CN CN [1] "----- RIGHT JOIN -----" SiteId......Site.x......Country......Site.y......Country.x......Country.y 1......2......w3codebox......CN......w3codebox......CN......CN 2......4 Facebook......USA Facebook......USA......USA 3 6 Weibo CN Weibo CN CN 4 7 <NA> <NA> <NA> <NA> USA 5 8 <NA> <NA> <NA> <NA> IN
تستخدم اللغة R melt() و cast() الوظائف لدمج وتقسيم البيانات.
melt() :تحويل البيانات من تنسيق عرضي إلى تنسيق طويل.
cast() :تحويل البيانات من تنسيق طويل إلى تنسيق عرضي.
الشكل أدناه يوضح بشكل جيد وظائف melt() و cast() (سيتم شرح الأمثلة لاحقاً):
melt() تدمج كل عمود في كل عمود واحد في مجموعة البيانات،تنسيق جملة الوظيفة:
melt(data, ..., na.rm = FALSE, value.name = "value")
شرح المعلمات:
data:مجموعة البيانات.
...:تمام المعلمات المقدمة لأي طريقة أخرى أو المعلمات الأخرى من أي طريقة أخرى.
na.rm:هل يتم حذف القيم المفقودة NA في مجموعة البيانات.
value.name اسم المتغير،للحفظ القيم.
قبل القيام بالأعمال التالية،دعونا نثبت المكتبات الضرورية:
# تثبيت المكتبة،MASS تتضمن العديد من الوظائف،الأدوات والمجموعات البيانية المتعلقة بالإحصاء
install.packages("MASS", repos = "https://mirrors.ustc.edu.cn/CRAN/")
# melt() و cast() الوظائف تحتاج إلى مكتبة
install.packages("reshape2", repos = "https://mirrors.ustc.edu.cn/CRAN/")
install.packages("reshape", repos = "https://mirrors.ustc.edu.cn/CRAN/")مثال على الاختبار:
# تحميل المكتبات
library(MASS)
library(reshape2)
library(reshape)
# إنشاء جدول بيانات
id <- c(1, 1, 2, 2)
time <- c(1, 2, 1, 2)
x1 <- c(5, 3, 6, 2)
x2 <- c(6, 5, 1, 4)
mydata <- data.frame(id, time, x1, x2)
# البيانات الأصلية
cat("البيانات الأصلية:\n")
print(mydata)
# دمج
md <- melt(mydata, id = c("id","time"))
cat("\nالدمج بعد:\n")
print(md)نتيجة تنفيذ الكود أعلاه
البيانات الأصلية: id time x1 x2 1 1 1 5 6 2 1 2 3 5 3 2 1 6 1 4 2 2 2 4 الدمج بعد: id time variable value 1 1 1 x1 5 2 1 2 x1 3 3 2 1 x1 6 4 2 2 2 x1 2 5 1 1 2 x2 6 6 1 2 2 x2 5 7 2 1 2 x2 1 8 2 2 2 x2 4
استخدام دالة cast لاستعادة البيانات المدمجة، dcast() تعود بجدول بيانات، acast() تعود بفيector/مصفوفة/مجموعة.
نموذج جملة دالة cast():
dcast( data, formula, fun.aggregate = NULL, ... margins = NULL, subset = NULL, fill = NULL, drop = TRUE, value.var = guess_value(data) ) acast( data, formula, fun.aggregate = NULL, ... margins = NULL, subset = NULL, fill = NULL, drop = TRUE, value.var = guess_value(data) )
شرح المعلمات:
data: جدول البيانات المدمج.
formula: تنسيق البيانات المعاد تشكيلها، مشابه لـ x ~ y، x هو العنوان الافضل، y هو العنوان العمودي.
fun.aggregate: دالة تجميع، تستخدم لمعالجة قيم value.
margins: فيector بأسماء المتغيرات (يمكن أن تحتوي على "grand_col" و "grand_row")، تستخدم لتحليل الهوامش، إعداد TURE لحساب جميع الهوامش.
subset: تصفية النتائج بناءً على شرط، نمطها مشابه subset = .(متغير=="length").
drop: هل يجب الحفاظ على القيم الافتراضية.
value.var: يتبع هذا الحقل الذي سيتم معالجته.
# تحميل المكتبات
library(MASS)
library(reshape2)
library(reshape)
# إنشاء جدول بيانات
id <- c(1, 1, 2, 2)
time <- c(1, 2, 1, 2)
x1 <- c(5, 3, 6, 2)
x2 <- c(6, 5, 1, 4)
mydata <- data.frame(id, time, x1, x2)
# دمج
md <- melt(mydata, id = c("id","time"))
# طباعة مجموعة البيانات المعاد تحويلها باستخدام دالة cast()
البيانات_المعاد_تحويلها <- cast(md, id~متغير, معدل)
print(البيانات_المعاد_تحويلها)
cat("\n")
time.cast <- cast(md, time~variable, mean)
print(time.cast)
cat("\n")
id.time <- cast(md, id~time, mean)
print(id.time)
cat("\n")
id.time.cast <- cast(md, id+time~variable)
print(id.time.cast)
cat("\n")
id.variable.time <- cast(md, id+variable~time)
print(id.variable.time)
cat("\n")
id.variable.time2 <- cast(md, id~variable+time)
print(id.variable.time2)نتيجة تنفيذ الكود أعلاه
id x1 x2 1 1 4 5.5 2 2 4 2.5 time x1 x2 1 1 5.5 3.5 2 2 2.5 4.5 id 1 2 1 1 5.5 4 2 2 3.5 3 id time x1 x2 1 1 1 5 6 2 1 2 3 5 3 2 1 6 1 4 2 2 2 4 id variable 1 2 1 1 x1 5 3 2 1 x2 6 5 3 2 x1 6 2 4 2 x2 1 4 id x1_1 x1_2 x2_1 x2_2 1 1 5 3 6 5 2 2 6 2 1 4