在R for Data Science中,作者用了非常直观的例子解释了上面的四个概念。说明如下:
我们的数据集是这样的:
x <- tribble( ~key, ~val_x, 1, "x1", 2, "x2", 3, "x3" ) y <- tribble( ~key, ~val_y, 1, "y1", 2, "y2", 4, "y3" )
可以看出,x与y的key都有1,2,但是x的key里面有3,y的key里面有4.
下面我们来看这四个概念:
1. inner_join
x %>% inner_join(y, by = "key")
其结果是
key val_x val_y <dbl> <chr> <chr> 1 x1 y1 2 x2 y2
可以看出,此时基于key的连接只保留了共同的key值1与2对应的数据;
2. full_join
x %>% full_join(y, by = "key")
其结果是
key val_x val_y <dbl> <chr> <chr> 1 x1 y1
2 x2 y2
3 x3 NA 4 NA y3
可以看出,此时基于key的连接保留了所有key值对应的数据,当相应的值不存在的时候,用NA代替;
3. left_join
x %>% left_join(y, by = "key")
此时的结果为 <dbl> <chr> <chr> 1 x1 y1 2 x2 y2 3 x3 NA
可以看出, 此时基于key的连接只保留了x对应的key值的数据,当相应的值不存在的时候,用NA代替;
4. right_join
x %>% right_join(y, by = "key")
此时的结果为
key val_x val_y <dbl> <chr> <chr> 1 x1 y1 2 x2 y2 4 NA y3
可以看出,此时基于key的连接只保留了y对应的key值的数据,当相应的值不存在的时候,用NA代替。