R语言数据集合并、数据增减、不等长合并

每每以为攀得众山小，可、每每又切实来到起点，大牛们，缓缓脚步来俺笔记葩分享一下吧，please~

———————————————————————————

数据选取与简单操作：

which返回一个向量中指定元素的索引which.max返回最大元素的索引which.min返回最小元素的索引sample随机在向量中抽取元素subset根据条件选取元素sort升序排列元素rev反转所有元素order获取排序后的索引table返回频数表cut将数据分割为几部分split按照指定条件分割数据rbind行合并cbind列合并merge按照指定列合并矩阵或者数据框

一、数据合并

1、merge()函数

最常用merge()函数，但是这个函数使用时候这两种情况需要注意：

1、merge(a,b)，纯粹地把两个数据集合在一起，没有沟通a、b数据集的by，这样出现的数据很多，相当于a*b条数据；

2、merge函数是匹配到a,b数据集的并，都有的才匹配出来，如果a、b数据集ID不同，要用all=T（下面有all用法的代码）。

#横向合并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

#纵向合并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

> id=c("1","2","3")> M=c("7","2","3")> ink2=data.frame(id,M)> > merge(ink1,ink2,by="id",all=T)  #所有数据列都放进来，空缺的补值为NA  id    R    M1  1    9    72  2    7    23  4    9 <NA>4  3 <NA>    3> merge(ink1,ink2,by="id",all=F)  #默认，只取两者的共有的部分  id R M1  1 9 72  2 7 2

其中，all=T代表全连接，all.x=T代表左联结；all.y=T代表右连接

2、dplyr包

dplyr包的数据合并，

一般用left_join(x,y,by="name")  以x为主，y中匹配到的都放进来， 但，y中没有的则不放过来。

需要这个x数据集是全集，比较大。

3、paste函数

生成一长串字符向量。

paste(c("X","Y"),1:10,sep="")      #"X”,"Y"是长度为2的字符向量,1:10 长度为10的向量。命令是让这两个向量粘合在一起生成新的字符串向量，粘合后的新字符之间没有间隔。

#—————————paste中seq与collapse区别————————————————————a = c(1, 2, 3, 4, 5)names(a) = c('m', 'n','o', 'p', 'q')# 主要是区分使用sep和collapseb = paste(a, names(a), sep = "/")          #不同向量合并在一起，但是还是各自向量c = paste(b, collapse = ",")               #不同向量合并在一起，但是变成一个向量mode(b) #变量类型mode(c)

4、cbind和rbind函数

cbind()和rbind()，cbind()按照纵向方向，或者说按列的方式将矩阵连接到一起。

rbind()按照横向的方向，或者说按行的方式将矩阵连接到一起

rbind/cbind对数据合并的要求比较严格：合并的变量名必须一致；数据等长；指标顺序必须一致。相比来说，其他一些方法要好一些，有dplyr，sqldf中的union

5、sqldf包

利用SQL语句来写，进行数据合并，适合数据库熟悉的人，可参考： 

R语言︱ 数据库SQL-R连接与SQL语句执行（RODBC、sqldf包）

二、数据增减

x=x[,-1]  #这个就代表，删除了x数据集中第一列数据

或用dplyr包中的mutate函数

a=mutate(Hdma_dat,dou=2*survived,dou4=4*survived) Hdma_dat$dou=a$douHdma_dat$dou4=a$dou4   #两个新序列，加入到Hdma数据集汇总

筛选变量服从某值的子集

subset(airquality, Temp > 80, select = c(Ozone, Temp))subset(airquality, Day == 1, select = -Temp)subset(airquality, select = Ozone:Wind)

三、数据纵横加总

R使用rowSums函数对行求和，使用colSums函数对列求和。

四、不等长合并

1、plyr包

rbind.fill函数可以很好将数据进行合并，并且补齐没有匹配到的缺失值为NA。

#————————————————————————————不等长合并#如何解决合并时数据不等长问题——两种方法：do.call函数以及rbind.fill函数（plyr包）#rbind.fill函数只能合并数据框格式#do.call函数在数据框中执行函数（函数，数据列）library("plyr")  #加载获取rbind.fill函数#第一种方法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)#第二种方法u=rbind.fill(data.frame(t(data.frame(Job_Pwordseg.ct[1]))),data.frame(t(data.frame(Job_Pwordseg.ct[2]))))

核心函数是plyr包中的rbind.fill函数（合并的数据，必须是data.frame），do.call可以用来批量执行。（do.call用法）

关于do.call其他用法（R语言 函数do.call()使用 ）

有一个list，想把里面的所有元素相加求和。发现了两个很有意思的函数

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() 是告诉list一个函数，然后list里的所有元素来执行这个函数。

2、dplyr包

dplyr::bind_rows()

    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    NA2  21.0     6   110  3.90 2.875 17.02     0     1     4     4    NA3  22.8     4    93  3.85 2.320 18.61     1     1     4     1    NA4  21.4     6   110  3.08 3.215 19.44     1     0     3     1    NA5  17.8     6   123  3.92 3.440 18.90     1     0     4     4 167.66  16.4     8   180  3.07 4.070 17.40     0     0     3     3 275.87  17.3     8   180  3.07 3.730 17.60     0     0     3     3 275.88  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

每每以为攀得众山小，可、每每又切实来到起点，大牛们，缓缓脚步来俺笔记葩分享一下吧，please~

———————————————————————————