在日常数据分析和图形绘制等工作中，我们经常需要对数据进行合并处理，今天小锐为大家讲解R语言中的数据合并技巧。
首先建立示例数据：
class1<-data.frame(name=c("Tom","Mary","Bob","Mike","Lily"),hight=c(170,165,175,180,158))
class2<-data.frame(name=c("Lee","Judy","Max","Owen","Jack"),hight=c(170,167,183,185,177))
class3<-data.frame(name=c("Jackson","Iris","Edison","Rose","Annie","Julie"),score=c(90,85,75,80,95,60))
class1.1<-data.frame(name=c("Jackson","Owen","Bob","Mike","Lily"),score=c(90,85,75,80,95))
 |
 |
 |
 |
一、rbind、cbind、merge
这三个函数是Rbase中内置的，因无需加载R包，也是大家较常使用的数据合并函数。
rbind纵向合并：
rbind(class1,class2)
 |
rbind(class1,class3)
 |
是因为height和score不同，rbind合并要求字段名称相同，这里我们可以使用dplyr包中的bind_rows函数，这个函数会对字段名称不相同的数据进行判断，自动补全。看一下使用bind_rows的效果：
library(dplyr)
bind_rows(class1,class3)
 |
会合并共有字段“name”，保留各自的特有字段，没有对应值的部分，用NA填充。
cbind横向合并：
cbind(class1,class1.1)
 |
cbind函数无需匹配主字段，仅将数据进行横向拼接。
若我们想将两个数据的共有字段“name”合并在一起，而不是简单的横向拼接，可以使用merge函数。
merge函数
merge函数对数据进行横向合并，可针对主字段进行匹配，如果主字段名称不一致，可以指定匹配的主字段名称。
基本语法：
merge(x,y,by = , by.x = , by.y = , all = , all.x = , all.y = ,...)
 |
merge(class1,class1.1,by="name",all=TRUE)
 |
merge(class1,class1.1,by="name",all=FALSE)
 |
merge(class1,class1.1,by="name",all.x=TRUE)
 |
merge(class1,class1.1,by="name",all.y=TRUE)
 |
如果我们合并的两个数据是主字段不相同时，使用by.x和by.y参数指定列名称，修改class1.1的列名称来进行演示：
colnames(class1.1)=c("studentname","score")
 |
merge(class1,class1.1,by.x="name",by.y="studentname",all=TRUE)
 |
merge(class1,class1.1,by.x="name",by.y="studentname",all=FALSE)
 |
二、dplyr中的join函数
join为一系列函数，包括：full_join，inner_join，left_join，right_join。
dplyr的join函数名称可直观反映数据的合并效果，通过控制函数来实现不同的数据合并形式。相较与merge函数，join函数语句更加精练，更为直观更好理解。
 |
让我们来感受一下join函数的使用：
full_join(class1,class1.1,by=c("name"="studentname"))
 |
inner_join(class1,class1.1,by=c("name"="studentname"))
 |
left_join(class1,class1.1,by=c("name"="studentname"))
 |
right_join(class1,class1.1,by=c("name"="studentname"))
 |
今天R语言数据合并的内容就介绍到这里，关注公海赌船网址基因，干货持续推送！
明天的你，会感谢爱学习的自己~