R語言數據集合并、數據增減、不等長合并

數據選取與簡單操作：

一、數據合并

1、merge()函數
最常用merge()函數，但是這個函數使用時候這兩種情況需要注意：
1、merge(a,b)，純粹地把兩個數據集合在一起，沒有溝通a、b數據集的by，這樣出現的數據很多，相當于a*b條數據；
2、merge函數是匹配到a,b數據集的并，都有的才匹配出來，如果a、b數據集ID不同，要用all=T（下面有all用法的代碼）。
[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
    #橫向合并  
    ID<-c(1,2,3,4)  
    name<-c("Jim","Tony","Lisa","Tom")  
    score<-c(89,22,78,78)  
    student1<-data.frame(ID,name)  
    student2<-data.frame(ID,score)  
    total_student<-merge(student1,student2,by="ID")  #或者rbind()  
    total_student 
[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
    #縱向合并  
    ID<-c(1,2,3)  
    name<-c("Jame","Kevin","Sunny")  
    student1<-data.frame(ID,name)  
    ID<-c(4,5,6)  
    name<-c("Sun","Frame","Eric")  
    student2<-data.frame(ID,name)  
    total<-cbind(student1,student2)  
    total 
merge的all用法
[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    > id=c("1","2","3")  
    > M=c("7","2","3")  
    > ink2=data.frame(id,M)  
    >   
    > merge(ink1,ink2,by="id",all=T)  #所有數據列都放進來，空缺的補值為NA  
      id    R    M  
    1  1    9    7  
    2  2    7    2  
    3  4    9 <NA>  
    4  3 <NA>    3  
    > merge(ink1,ink2,by="id",all=F)  #默認，只取兩者的共有的部分  
      id R M  
    1  1 9 7  
    2  2 7 2 
其中，all=T代表全連接，all.x=T代表左聯結；all.y=T代表右連接
2、dplyr包
dplyr包的數據合并，
一般用left_join(x,y,by="name")  以x為主，y中匹配到的都放進來， 但，y中沒有的則不放過來。
需要這個x數據集是全集，比較大。

3、paste函數
生成一長串字符向量。
[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
    paste(c("X","Y"),1:10,sep="")      #"X”,"Y"是長度為2的字符向量,1:10 長度為10的向量。命令是讓這兩個向量粘合在一起生成新的字符串向量，粘合后的新字符之間沒有間隔。 
[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片

    #—————————paste中seq與collapse區別————————————————————  
    a = c(1, 2, 3, 4, 5)  
    names(a) = c('m', 'n','o', 'p', 'q')  
    # 主要是區分使用sep和collapse  
    b = paste(a, names(a), sep = "/")          #不同向量合并在一起，但是還是各自向量  
    c = paste(b, collapse = ",")               #不同向量合并在一起，但是變成一個向量  
    mode(b) #變量類型  
    mode(c) 
4、cbind和rbind函數
cbind()和rbind()，cbind()按照縱向方向，或者說按列的方式將矩陣連接到一起。
rbind()按照橫向的方向，或者說按行的方式將矩陣連接到一起
rbind/cbind對數據合并的要求比較嚴格：合并的變量名必須一致；數據等長；指標順序必須一致。相比來說，其他一些方法要好一些，有dplyr，sqldf中的union
5、sqldf包
利用SQL語句來寫，進行數據合并，適合數據庫熟悉的人，可參考：
R語言︱ 數據庫SQL-R連接與SQL語句執行（RODBC、sqldf包）
二、數據增減
[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
    x=x[,-1]  #這個就代表，刪除了x數據集中第一列數據 
或用dplyr包中的mutate函數
[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
    a=mutate(Hdma_dat,dou=2*survived,dou4=4*survived)   
    Hdma_dat$dou=a$dou  
    Hdma_dat$dou4=a$dou4   #兩個新序列，加入到Hdma數據集匯總 
篩選變量服從某值的子集
[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
    subset(airquality, Temp > 80, select = c(Ozone, Temp))  
    subset(airquality, Day == 1, select = -Temp)  
    subset(airquality, select = Ozone:Wind) 

三、數據縱橫加總
R使用rowSums函數對行求和，使用colSums函數對列求和。
四、不等長合并
1、plyr包
rbind.fill函數可以很好將數據進行合并，并且補齊沒有匹配到的缺失值為NA。
[plain] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
    #————————————————————————————不等長合并  
    #如何解決合并時數據不等長問題——兩種方法：do.call函數以及rbind.fill函數（plyr包）  
    #rbind.fill函數只能合并數據框格式  
    #do.call函數在數據框中執行函數（函數，數據列）  
    library("plyr")  #加載獲取rbind.fill函數  
    #第一種方法  
    list1<-list()  
    list1[[1]]=data.frame(t(data.frame(Job_Pwordseg.ct[1])))  
    list1[[2]]=data.frame(t(data.frame(Job_Pwordseg.ct[2])))  
    do.call(rbind.fill,list1)  
    #第二種方法  
    u=rbind.fill(data.frame(t(data.frame(Job_Pwordseg.ct[1]))),data.frame(t(data.frame(Job_Pwordseg.ct[2])))) 
核心函數是plyr包中的rbind.fill函數（合并的數據，必須是data.frame），do.call可以用來批量執行。（do.call用法）
關于do.call其他用法（R語言 函數do.call()使用 ）
有一個list，想把里面的所有元素相加求和。發現了兩個很有意思的函數
list <- list(matrix(1:25, ncol = 5), matrix(4:28, ncol = 5), matrix(21:45, ncol=5))
list.sum<-do.call(sum,list)
list.sum<-do.call(cbind,list) 
do.call() 是告訴list一個函數，然后list里的所有元素來執行這個函數。
2、dplyr包
dplyr::bind_rows()
[html] view plain copy
print?在CODE上查看代碼片派生到我的代碼片
        mpg   cyl    hp  drat    wt  qsec    vs    am  gear  carb  disp  
      (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl) (dbl)  
    1  21.0     6   110  3.90 2.620 16.46     0     1     4     4    NA  
    2  21.0     6   110  3.90 2.875 17.02     0     1     4     4    NA  
    3  22.8     4    93  3.85 2.320 18.61     1     1     4     1    NA  
    4  21.4     6   110  3.08 3.215 19.44     1     0     3     1    NA  
    5  17.8     6   123  3.92 3.440 18.90     1     0     4     4 167.6  
    6  16.4     8   180  3.07 4.070 17.40     0     0     3     3 275.8  
    7  17.3     8   180  3.07 3.730 17.60     0     0     3     3 275.8  
    8  15.2     8   180  3.07 3.780 18.00     0     0     3     3 275.8 
效果是，不匹配到的放在最后，且等于NA  NA  NA  NA