使用R進(jìn)行數(shù)據(jù)匹配的方法

R中的merge函數(shù)類(lèi)似于Excel中的Vlookup，可以實(shí)現(xiàn)對(duì)兩個(gè)數(shù)據(jù)表進(jìn)行匹配和拼接的功能。與Excel不同之處在于merge函數(shù)有4種匹配拼接模式，分別為inner，left，right和outer模式。 其中inner為默認(rèn)的匹配模式。本篇文章我們將介紹merge函數(shù)的使用方法和4種拼接模式的區(qū)別。

函數(shù)功能介紹

merge函數(shù)的使用方法很簡(jiǎn)單，以下是官方的函數(shù)功能介紹和使用說(shuō)明。merge函數(shù)中第一個(gè)出現(xiàn)的數(shù)據(jù)表是拼接后的left部分，第二個(gè)出現(xiàn)的數(shù)據(jù)表是拼接后的right部分。merge默認(rèn)會(huì)按照兩個(gè)數(shù)據(jù)表中共有的字段名稱(chēng)進(jìn)行匹配和拼接。

#查看merge幫助信息

merge

讀取并創(chuàng)建數(shù)據(jù)表

開(kāi)始使用merge函數(shù)進(jìn)行數(shù)據(jù)拼接之前先讀取需要進(jìn)行匹配的兩個(gè)數(shù)據(jù)表，并命名為loan_status表和member_info表。

#讀取并創(chuàng)建貸款狀態(tài)數(shù)據(jù)表

loan_status=data.frame(read.csv('loan_status.csv',header = 1)) 

#讀取并創(chuàng)建用戶(hù)信息數(shù)據(jù)表

member_info=data.frame(read.csv('member_info.csv',header = 1)) 

查看數(shù)據(jù)表

下面我們分別查看了兩個(gè)數(shù)據(jù)表中的內(nèi)容。這個(gè)示例中的兩個(gè)數(shù)據(jù)表較小，可以完整顯示出來(lái)，如果數(shù)據(jù)量較大的話可以就不能這么直觀的查看了。

#查看貸款狀態(tài)數(shù)據(jù)表

loan_status 

#查看用戶(hù)信息數(shù)據(jù)表

member_info 

對(duì)于較大的數(shù)據(jù)表，可以使用dim函數(shù)查看數(shù)據(jù)表的維度，下面我們分別查看了貸款狀態(tài)表和用戶(hù)信息表的維度。貸款狀態(tài)表有27行7列，用戶(hù)信息表有25行4列。

#查看兩個(gè)數(shù)據(jù)表的維度

dim(loan_status);dim(member_info)  
[1] 27 7  
[1] 25 4

使用names函數(shù)查看兩個(gè)數(shù)據(jù)表的列名稱(chēng)，下面分別顯示了代碼和列名稱(chēng)。可以發(fā)現(xiàn)，兩個(gè)數(shù)據(jù)表中有一個(gè)共同的列member_id。

#查看兩個(gè)數(shù)據(jù)表的列名稱(chēng)

names(loan_status);names(member_info)  
[1] "member_id" "loan_amnt" "term""issue_d" "loan_status" "total_pymnt_inv" "total_rec_int"  
[1] "member_id" "grade" "emp_length" "annual_inc"

inner匹配

inner模式是merge的默認(rèn)匹配模式，我們通過(guò)下面的文氏圖來(lái)說(shuō)明inner的匹配方法。Inner模式提供在loan_status和member_info表中共有字段的匹配結(jié)果。也就是對(duì)兩個(gè)的表交集部分進(jìn)行匹配和拼接。單獨(dú)只出現(xiàn)在一個(gè)表中的字段值不會(huì)參與匹配和拼接。從下面的匹配結(jié)果中也可以看出，共有22行，包含了loan_status和member_info的交集。

#inner模式匹配

merge(loan_status,member_info,by = 'member_id') 

outer匹配

outer模式是兩個(gè)表的匯總，將loan_status和member_info兩個(gè)要匹配的兩個(gè)表匯總在一起，生成一張匯總的唯一值數(shù)據(jù)表以及匹配結(jié)果。從結(jié)果中可以看出共包含30行數(shù)據(jù)，比兩個(gè)表的行數(shù)都要多。并且在grade和其他字段包含Na值，這些是在兩個(gè)表中匹配不到的內(nèi)容。

#outer模式匹配

merge(loan_status,member_info,all=TRUE,sort=TRUE) 

left匹配

left模式是左匹配，以左邊的數(shù)據(jù)表loan_status為基礎(chǔ)匹配右邊的數(shù)據(jù)表member_info中的內(nèi)容。匹配不到的內(nèi)容以NaN值顯示。在Excel中就好像將Vlookup公式寫(xiě)在了左邊的表中。下面的文氏圖說(shuō)明了left模式的匹配方法。Left模式匹配的結(jié)果顯示了所有左邊數(shù)據(jù)表的內(nèi)容，以及和右邊數(shù)據(jù)表共有的內(nèi)容。

以下為使用left模式匹配并拼接后的結(jié)果，loan_status在merge函數(shù)中第一個(gè)出現(xiàn)，因此為左表，member_grade第二個(gè)出現(xiàn)，為右表。匹配模式為all.x=TRUE。從結(jié)果中可以看出left匹配模式保留了一張完整的loan_status表，以此為基礎(chǔ)對(duì)member_info表中的內(nèi)容進(jìn)行匹配。loan_status表中有5個(gè)member_id值在member_info中無(wú)法找到，因此grade字段顯示為NA值。

#left模式匹配

merge(loan_status,member_info,all.x=TRUE,sort=TRUE) 

right匹配

right與left模式正好相反，right模式是右匹配，以右邊的數(shù)據(jù)表member_info為基礎(chǔ)匹配左邊的數(shù)據(jù)表loan_status。匹配不到的內(nèi)容以NA值顯示。下面通過(guò)文氏圖說(shuō)明right模式的匹配方法。Right模式匹配的結(jié)果顯示了所有右邊數(shù)據(jù)表的內(nèi)容，以及和左邊數(shù)據(jù)表共有的內(nèi)容。

以下為使用right模式匹配拼接的結(jié)果，從結(jié)果表中可以看出right匹配模式保留了完整的member_info表，以此為基礎(chǔ)對(duì)loan_status表進(jìn)行匹配，在loan_status數(shù)據(jù)表中有3個(gè)條目在member_info數(shù)據(jù)表中無(wú)法找到，因此顯示為了NA值。

#right模式匹配

merge(loan_status,member_info,all.y=TRUE,sort=TRUE)