R Packages dplyr - bind | R包dplyr - bind

 

現在很多數據資料都存放在資料庫中，分析有時需要其他的數據做為比對，參考，甚至一併使用，如何正確合併數據也成為很重要的事情，base包內也有類似的合併函數，在這裡一併拿來做個基本比對。

 

基本語法

bind_rows(dataset, dataset..)

bind_cols(dataset, dataset..)

 

base包的合併語法

rbind(dataset, deparse.level = 1…)

cbind(dataset, deparse.level = 1…)

merge(dataset1, dataset2)

 

dplyr的bind系列，有些規範，如果是照clos合併，rows就會按照名稱進行匹配，有缺失的就補上NA，如果照rows合併，clos就會按照位置匹配，所以要有相同的col數，來看一下基本合併的方式

# 建立同樣都是1 X 5的數據框
bind_df_1 <- tibble(c(1, 2, -3, 4, -5))
bind_df_2 <- tibble(c("ap", "ef", "tg", "hk", "bu"))
 
# 按照行合併
col_df <- bind_cols(bind_df_1, bind_df_2)
 
# 輸出結果
r$> col_df
# A tibble: 5 x 2
  `c(1, 2, -3, 4, -5)` `c("ap", "ef", "tg", "hk", "bu")`
                 <dbl> <chr>
1                    1 ap
2                    2 ef
3                   -3 tg
4                    4 hk
5                   -5 bu
 
# 按照列合併
row_df <- bind_rows(bind_df_1, bind_df_2)
 
r$> row_df
# A tibble: 10 x 2
   `c(1, 2, -3, 4, -5)` `c("ap", "ef", "tg", "hk", "bu")`
                  <dbl> <chr>
 1                    1 NA
 2                    2 NA
 3                   -3 NA
 4                    4 NA
 5                   -5 NA
 6                   NA ap
 7                   NA ef
 8                   NA tg
 9                   NA hk
10                   NA bu

當有複數的數據集進行合併時，沒有設定欄位標籤時，只有出現型態。

# 建立數據框

bind_df_1 <- tibble(c(1, 2, -3, 4, -5))

bind_df_2 <- tibble(c("ap", "ef", "tg", "hk", "bu"))

bind_df_3 <- tibble(c(22.3, 57.1, 69.4, 12.7, 70.34))

bind_df_4 <- tibble(c("Sunday", "Wednesday", "Monday", "Friday", "Saturday"))

# 按照行合併

cols_df <- bind_cols(bind_df_1, bind_df_2, bind_df_3, bind_df_4)

# 輸出結果

r$> cols_df # A tibble: 5 x 4 `c(1, 2, -3, 4, -5)` `c("ap", "ef", "t~ `c(22.3, 57.1, 69.~ `c("Sunday", "Wedne~ <dbl> <chr> <dbl> <chr> 1 1 ap 22.3 Sunday 2 2 ef 57.1 Wednesday 3 -3 tg 69.4 Monday 4 4 hk 12.7 Friday 5 -5 bu 70.3 Saturday

# 按照列合併

rows_df <- bind_rows(bind_df_1, bind_df_2, bind_df_3, bind_df_4)

# 輸出結果

r$> rows_df # A tibble: 20 x 4 `c(1, 2, -3, 4, -5)` `c("ap", "ef", "t~ `c(22.3, 57.1, 69~ `c("Sunday", "Wedne~ <dbl> <chr> <dbl> <chr> 1 1 NA NA NA 2 2 NA NA NA 3 -3 NA NA NA 4 4 NA NA NA 5 -5 NA NA NA 6 NA ap NA NA 7 NA ef NA NA 8 NA tg NA NA 9 NA hk NA NA 10 NA bu NA NA 11 NA NA 22.3 NA 12 NA NA 57.1 NA 13 NA NA 69.4 NA 14 NA NA 12.7 NA 15 NA NA 70.3 NA 16 NA NA NA Sunday 17 NA NA NA Wednesday 18 NA NA NA Monday 19 NA NA NA Friday 20 NA NA NA Saturday

若是不同大小的合併，不同col數就無法合併了，但由此也可以知道，合併後或多或少會產生NA值，除非整個數據集大小完全相同，就看後續怎麼進行NA值的處理了

# 建立數據框

bind_df_1 <- tibble(c(1, 2, -3, 4, -5))

bind_df_5 <- tibble(c(123, 246, -334, 455, -51, 24, 223, 644))

# 按照行合併

col_df <- bind_cols(bind_df_1, bind_df_5)

# 輸出結果

r$> col_dfdf <- bind_cols(bind_df_1, bind_df_5) Error: Can't recycle `..1` (size 5) to match `..2` (size 8). Run `rlang::last_error()` to see where the error occurred.

# 按照列合併

rows_df <- bind_rows(bind_df_1, bind_df_5)

# 輸出結果

r$> rows_df # A tibble: 13 x 2 `c(1, 2, -3, 4, -5)` `c(123, 246, -334, 455, -51, 24, 223, 644)` <dbl> <dbl> 1 1 NA 2 2 NA 3 -3 NA 4 4 NA 5 -5 NA 6 NA 123 7 NA 246 8 NA -334 9 NA 455 10 NA -51 11 NA 24 12 NA 223 13 NA 644

若是base包內的合併函數

rbind() >> 需要有相同的列才能合併，合併後依序延伸下去

cbind() >> 將不同的行進行合併，合併後產生新的行，可以多個數據集合併

# 建立數據框

bind_df_1 <- tibble(

    number = c(1, 2, -3, 4, -5)

    )

bind_df_2 <- tibble(

    letter = c("ap", "ef", "tg", "hk", "bu")

    )

bind_df_3 <- tibble(

    number = c(22.3, 57.1, 69.4, 12.7, 70.34)

    )

# 使用base包內的rbind函數

rbind(bind_df_1, bind_df_2)

# 輸出結果 >> 沒有相同欄位無法合併

r$> rbind(bind_df_1, bind_df_2) Error in match.names(clabs, names(xi)) : 名稱同原來已有的名稱不相對

# 使用base包內的cbind函數

cbind(bind_df_1, bind_df_2)

# 輸出結果

r$> cbind(bind_df_1, bind_df_2) number letter

1 1 ap 2 2 ef 3 -3 tg 4 4 hk 5 -5 b

# 同樣有number欄位

rbind(bind_df_1, bind_df_3)

# 輸出結果

r$> rbind(bind_df_1, bind_df_3) # A tibble: 10 x 1 number <dbl> 1 1 2 2 3 -3 4 4 5 -5 6 22.3 7 57.1 8 69.4 9 12.7

10 70.3

# 同樣有number欄位

cbind(bind_df_1, bind_df_3)

# 輸出結果

r$> cbind(bind_df_1, bind_df_3)

  number number

1      1  22.30

2      2  57.10

3     -3  69.40

4      4  12.70

5     -5  70.34

最後看一下base包內的merge函數，merge有數據數量限制，一次只能兩個數據集合併，合併後會進行對應擴充，若是名稱相同則無法合併

# 合併上面的數據

merge(bind_df_1, bind_df_2)

# 輸出結果

r$> merge(bind_df_1, bind_df_2) number letter 1 1 ap 2 2 ap 3 -3 ap 4 4 ap 5 -5 ap 6 1 ef 7 2 ef 8 -3 ef 9 4 ef 10 -5 ef 11 1 tg 12 2 tg 13 -3 tg 14 4 tg 15 -5 tg 16 1 hk 17 2 hk 18 -3 hk 19 4 hk 20 -5 hk 21 1 bu 22 2 bu 23 -3 bu 24 4 bu 25 -5 bu

# 合併上面的數據

merge(bind_df_1, bind_df_3)

# 輸出結果

r$> merge(bind_df_1, bind_df_3) [1] number <0 列> (或零長度的 row.names