R è un linguaggio di programmazione e un ambiente software utilizzato principalmente per il calcolo statistico e la grafica. Fornisce un'ampia gamma di strumenti per la manipolazione dei dati, l'analisi dei dati, la visualizzazione dei dati e la modellazione statistica.
L'unione dei dati è un compito nell'analisi e nella manipolazione dei dati. In R ci sono vari modi per unire i frame di dati, utilizzando il file ‘unire()’ funzione dalla base R, utilizzando il 'dplir' pacchetto e il 'tabella dati' pacchetto. In questo tutorial utilizzeremo i tre modi precedenti per unire i dati utilizzando R.
1. Utilizzando 'merge()' dalla base R:
La funzione merge() in base R ci aiuta a combinare due o più frame di dati basati su colonne comuni. Esegue vari tipi di join come inner join, left join, right join e full join.
Sintassi:
merged_df <- merge(x,y,by = 'common_column',..)>
- 'X' E 'E' sono i frame di dati che vuoi unire.
- 'di' specifica le colonne comuni su cui verrà eseguita l'unione.
- Argomenti aggiuntivi come 'tutti.x' , alleato' E 'Tutto' controllare il tipo di unione da eseguire.
Esempio:
Consideriamo due frame di dati 'df1' e 'df2'
R
df1 <->data.frame>(ID =>c>(1, 2, 3, 4),> >Name =>c>(>'A'>,>'B'>,>'C'>,>'D'>),> >Age =>c>(25, 30, 35, 40))> df2 <->data.frame>(ID =>c>(2, 3, 4, 5),> >Occupation =>c>(>'Engineer'>,>'Teacher'>,>'Doctor'>,>'Lawyer'>),> >Salary =>c>(5000, 4000, 6000, 7000))> |
>
>
Vediamo esempi di esecuzione di vari tipi di join utilizzando la funzione 'merge()':
1. Join interno (comportamento predefinito):
R
inner_join <->merge>(df1, df2, by =>'ID'>)> print>(inner_join)> |
>
>
Produzione:
ID Name Age Occupation Salary 1 2 B 30 Engineer 5000 2 3 C 35 Teacher 4000 3 4 D 40 Doctor 6000>
Il dataframe risultante 'inner_join' includerà solo le righe comuni where 'ID' è presente in sia 'df1' che 'df2'.
2. Unisci a sinistra( 'all.x=VERO' ):
R
left_join <->merge>(df1, df2, by =>'ID'>, all.x =>TRUE>)> print>(left_join)> |
>
intero in stringa
>
Produzione:
ID Name Age Occupation Salary 1 1 A 25 NA 2 2 B 30 Engineer 5000 3 3 C 35 Teacher 4000 4 4 D 40 Doctor 6000>
Il frame di dati risultante 'left_join' includerà tutte le righe da 'df1' e le righe corrispondenti da 'df2'. Le righe non corrispondenti da 'df2' avranno un valore 'NA'.
3. Unisciti a destra ( 'all.y=VERO' ):
R
variabili globali js
right_join <->merge>(df1, df2, by =>'ID'>, all.y =>TRUE>)> print>(right_join)> |
>
>
Produzione:
ID Name Age Occupation Salary 1 2 B 30 Engineer 5000 2 3 C 35 Teacher 4000 3 4 D 40 Doctor 6000 4 5 NA Lawyer 7000>
Il frame di dati risultante 'right_join' includerà tutte le righe da 'df2' e le righe corrispondenti da 'df1'. Le righe non corrispondenti da 'df1' avranno valori 'NA'.
4. Join esterno completo( 'tutti =VERO' )
R
full_join <->merge>(df1, df2, by =>'ID'>, all =>TRUE>)> print>(full_join)> |
>
>
Produzione:
ID Name Age Occupation Salary 1 1 A 25 NA 2 2 B 30 Engineer 5000 3 3 C 35 Teacher 4000 4 4 D 40 Doctor 6000 5 5 NA Lawyer 7000>
Il frame di dati risultante 'full_join' includerà tutte le righe sia da 'df1' che da 'df2'. I valori non corrispondenti avranno valori 'NA'.
2. Utilizzando il pacchetto 'dplyr':
Il pacchetto 'dplyr' fornisce una serie di funzioni per la manipolazione dei dati, inclusa l'unione di frame di dati.
La funzione principale per l'unione in 'dplyr' è 'giuntura()', che supporta vari tipi di join.
Sintassi:
merged_df<- join(x,y,by='common_column',type='type_of_join')>
- 'X' E 'E' sono i frame di dati da unire.
- 'di' specifica le colonne comuni su cui deve essere eseguita l'unione
- 'tipo_di_join' può essere 'interno', 'sinistra', 'destra' o 'completo' per specificare il tipo di unione.
Esempio:
Installa il dplyr() pacchetto e creare due frame di dati, 'df1' E 'df2'.
R
library>(dplyr)> df1 <->data.frame>(ID =>c>(1, 2, 3, 4),> >Name =>c>(>'A'>,>'B'>,>'C'>,>'D'>),> >Age =>c>(20, 30, 40, 50))> df2 <->data.frame>(ID =>c>(2, 3, 4, 5),> >Occupation =>c>(>'Engineer'>,>'Teacher'>,>'Doctor'>,>'Lawyer'>),> >Salary =>c>(2000, 4000, 6000, 7000))> |
>
>
Vediamo esempi di esecuzione di vari tipi di join utilizzando le funzioni “dplyr”:
1. Unione interna:
stringa n Java
R
inner_join <->inner_join>(df1, df2, by =>'ID'>)> print>(inner_join)> |
>
>
Produzione:
ID Name Age Occupation Salary 1 2 B 30 Engineer 2000 2 3 C 40 Teacher 4000 3 4 D 50 Doctor 6000>
Il frame di dati risultante 'inner_join' includerà solo il file righe comuni in cui 'ID' è presente sia in 'df1' che in 'df2'.
2. Unione a sinistra:
R
left_join <->left_join>(df1, df2, by =>'ID'>)> print>(left_join)> |
>
>
Produzione:
ID Name Age Occupation Salary 1 1 A 20 NA 2 2 B 30 Engineer 2000 3 3 C 40 Teacher 4000 4 4 D 50 Doctor 6000>
Il frame di dati risultante 'left_join' includerà tutte le righe da 'df1' e il righe corrispondenti da 'df2' . Le righe non corrispondenti da 'df2' avranno valori 'NA'.
3. Unisciti a destra:
R
right_join <->right_join>(df1, df2, by =>'ID'>)> print>(right_join)> |
>
>
Produzione:
ID Name Age Occupation Salary 1 2 B 30 Engineer 2000 2 3 C 40 Teacher 4000 3 4 D 50 Doctor 6000 4 5 NA Lawyer 7000>
Il dataframe risultante 'right_join' includerà tutte le righe da 'df2' e il righe corrispondenti da 'df1'. Le righe non corrispondenti di 'df1' avranno valori 'NA'.
quali mesi sono q3
4. Unione esterna completa:
R
full_join <->full_join>(df1, df2, by =>'ID'>)> print>(full_join)> |
>
>
Produzione:
ID Name Age Occupation Salary 1 1 A 20 NA 2 2 B 30 Engineer 2000 3 3 C 40 Teacher 4000 4 4 D 50 Doctor 6000 5 5 NA Lawyer 7000>
Il frame di dati risultante 'full_join' includerà tutte le righe di 'df1' e 'df2' . Le righe non corrispondenti avranno valori 'NA'.
3. Utilizzando il pacchetto 'data.table':
Il pacchetto 'data.table' offre un approccio efficiente e veloce alla manipolazione dei dati. Fornisce la funzione 'merge()'. È simile a quello della base R ma ottimizzato per la velocità.
Sintassi:
merged_dt <- merge(x, y, by = 'common_column', ...)>
- 'X' E 'E' sono i frame di dati che devono essere uniti.
- 'di' specifica le colonne comuni su cui verrà eseguita l'unione.
- Argomenti aggiuntivi come 'tutti.x', 'tutti.y' E 'Tutto' che controlla il tipo di join.
Esempio:
Installa la libreria data.table e crea due tabelle dati, 'dt1' e 'dt2'.
R
library>(data.table)> dt1 <->data.table>(ID =>c>(1, 2, 3, 4),> >Name =>c>(>'A'>,>'B'>,>'C'>,>'D'>),> >Age =>c>(25, 30, 35, 40))> dt2 <->data.table>(ID =>c>(2, 3, 4, 5),> >Occupation =>c>(>'Engineer'>,>'Teacher'>,>'Doctor'>,>'Lawyer'>),> >Salary =>c>(5000, 4000, 6000, 7000))> |
>
>
Vediamo esempi di esecuzione di vari tipi di unioni utilizzando la funzione 'merge()' dal pacchetto 'data.table':
1. Join interno (comportamento predefinito):
R
inner_join <->merge>(df1, df2, by =>'ID'>)> print>(inner_join)> |
>
>
Produzione:
ID Name Age Occupation Salary 1 2 B 30 Engineer 2000 2 3 C 40 Teacher 4000 3 4 D 50 Doctor 6000>
Il frame di dati risultante 'inner_join' includerà solo il file righe comuni in cui 'ID' è presente sia in 'df1' che in 'df2'.
2. Join sinistro('all.x = TRUE'):
R
left_join <->merge>(df1, df2, by =>'ID'>, all.x =>TRUE>)> print>(left_join)> |
>
>
Produzione:
ID Name Age Occupation Salary 1 1 A 20 NA 2 2 B 30 Engineer 2000 3 3 C 40 Teacher 4000 4 4 D 50 Doctor 6000>
Il frame di dati risultante 'left_join' includerà Tutto Non corrispondente da 'df1' e il righe corrispondenti da 'df2'. Le righe non corrispondenti da 'df2' avranno valori 'NA'.
3. Join destro('all.y = TRUE'):
R
right_join <->merge>(df1, df2, by =>'ID'>, all.y =>TRUE>)> print>(right_join)> |
>
>
Produzione:
ID Name Age Occupation Salary 1 2 B 30 Engineer 2000 2 3 C 40 Teacher 4000 3 4 D 50 Doctor 6000 4 5 NA Lawyer 7000>
Il frame di dati risultante 'right_join' includerà Tutto Non corrispondente righe da 'df2' e le righe corrispondenti da 'df1'. Le righe non corrispondenti da 'df1' avranno valori 'NA'.
3. Join esterno completo('all = TRUE'):
R
formato stringa java
full_join <->merge>(df1, df2, by =>'ID'>, all =>TRUE>)> print>(full_join)> |
>
>
Produzione:
ID Name Age Occupation Salary 1 1 A 20 NA 2 2 B 30 Engineer 2000 3 3 C 40 Teacher 4000 4 4 D 50 Doctor 6000 5 5 NA Lawyer 7000>
Il frame di dati risultante 'full_join' includerà Tutto Non corrispondente righe sia da 'df1' che da 'df2'. Le righe non corrispondenti avranno valori 'NA'.
Uno dei vantaggi dell'utilizzo di 'dplyr' e 'data.table' è che forniscono una sintassi più concisa e leggibile per la manipolazione dei dati rispetto alla base R.
Riepilogo:
- ‘merge()’ fornisce una funzione generica per unire i frame di dati.
- 'dplyr' si concentra sulla fusione con particolare attenzione alla leggibilità e alla facilità d'uso.
- 'dati. table” fornisce un modo rapido ed efficiente per gestire set di dati di grandi dimensioni con prestazioni ottimizzate.
- Dovremmo scegliere l'approccio in base alla complessità del compito e ai requisiti di esecuzione.