r - 如何连接(合并)数据框(内部、外部、左、右)

Question

给定两个数据框:

df1 = data.frame(CustomerId = c(1:6), Product = c(rep("Toaster", 3), rep("Radio", 3)))
df2 = data.frame(CustomerId = c(2, 4, 6), State = c(rep("Alabama", 2), rep("Ohio", 1)))

df1
#  CustomerId Product
#           1 Toaster
#           2 Toaster
#           3 Toaster
#           4   Radio
#           5   Radio
#           6   Radio

df2
#  CustomerId   State
#           2 Alabama
#           4 Alabama
#           6    Ohio

我该如何做数据库风格，即 sql style, joins ？也就是说，我如何得到:

• 安 inner join df1 和 df2:
  仅返回左表在右表中具有匹配键的行。
• 安 outer join df1 和 df2:
  返回两个表中的所有行，连接左侧表中在右侧表中具有匹配键的记录。
• 一个left outer join (or simply left join) df1 和 df2
  返回左表中的所有行以及右表中具有匹配键的任何行。
• 一个right outer join df1 和 df2
  返回右表中的所有行以及左表中具有匹配键的任何行。

<小时/>

额外积分:

如何执行 SQL 样式的 select 语句？

Answer 1

通过使用merge函数及其可选参数:

内连接: merge(df1, df2) 适用于这些示例，因为 R 自动通过公共(public)变量名称连接框架，但是您很可能希望指定 merge(df1, df2, by = "CustomerId") 以确保您仅匹配所需的字段。如果匹配变量在不同的数据框中具有不同的名称，您还可以使用 by.x 和 by.y 参数。

外部联接: merge(x = df1, y = df2, by = "CustomerId", all = TRUE)

左外层: merge(x = df1, y = df2, by = "CustomerId", all.x = TRUE)

右外层: merge(x = df1, y = df2, by = "CustomerId", all.y = TRUE)

交叉连接: merge(x = df1, y = df2, by = NULL)

就像内部联接一样，您可能希望将“CustomerId”显式传递给 R 作为匹配变量。 我认为最好是显式声明您想要的标识符合并;如果输入 data.frames 意外更改，则更安全，并且以后更易于阅读。

您可以通过给定 by 向量来合并多列，例如 by = c("CustomerId", "OrderId")。

如果要合并的列名称不同，您可以指定，例如 by.x = "CustomerId_in_df1", by.y = "CustomerId_in_df2" 其中 CustomerId_in_df1 是第一个数据框中的列名称，CustomerId_in_df2 是第二个数据框中的列名称。 (如果您需要合并多列，这些也可以是向量。)