使用R進行數據匹配的方法
R中的merge函數類似于Excel中的Vlookup，可以實現對兩個數據表進行匹配和拼接的功能。與Excel不同之處在于merge函數有4種匹配拼接模式，分別為inner，left，right和outer模式。 其中inner為默認的匹配模式。本篇文章我們將介紹merge函數的使用方法和4種拼接模式的區別。
函數功能介紹
merge函數的使用方法很簡單，以下是官方的函數功能介紹和使用說明。merge函數中***個出現的數據表是拼接后的left部分，第二個出現的數據表是拼接后的right部分。merge默認會按照兩個數據表中共有的字段名稱進行匹配和拼接。
#查看merge幫助信息
merge
讀取并創建數據表
開始使用merge函數進行數據拼接之前先讀取需要進行匹配的兩個數據表，并命名為loan_status表和member_info表。
#讀取并創建貸款狀態數據表
- loan_status=data.frame(read.csv('loan_status.csv',header = 1))
#讀取并創建用戶信息數據表
- member_info=data.frame(read.csv('member_info.csv',header = 1))
查看數據表
下面我們分別查看了兩個數據表中的內容。這個示例中的兩個數據表較小，可以完整顯示出來，如果數據量較大的話可以就不能這么直觀的查看了。
#查看貸款狀態數據表
- loan_status
#查看用戶信息數據表
- member_info
對于較大的數據表，可以使用dim函數查看數據表的維度，下面我們分別查看了貸款狀態表和用戶信息表的維度。貸款狀態表有27行7列，用戶信息表有25行4列。
#查看兩個數據表的維度
- dim(loan_status);dim(member_info)
- [1] 27 7
- [1] 25 4
使用names函數查看兩個數據表的列名稱，下面分別顯示了代碼和列名稱。可以發現，兩個數據表中有一個共同的列member_id。
#查看兩個數據表的列名稱
- names(loan_status);names(member_info)
- [1] "member_id" "loan_amnt" "term""issue_d" "loan_status" "total_pymnt_inv" "total_rec_int"
- [1] "member_id" "grade" "emp_length" "annual_inc"
inner匹配
inner模式是merge的默認匹配模式，我們通過下面的文氏圖來說明inner的匹配方法。Inner模式提供在loan_status和member_info表中共有字段的匹配結果。也就是對兩個的表交集部分進行匹配和拼接。單獨只出現在一個表中的字段值不會參與匹配和拼接。從下面的匹配結果中也可以看出，共有22行，包含了loan_status和member_info的交集。
#inner模式匹配
- merge(loan_status,member_info,by = 'member_id')
outer匹配
outer模式是兩個表的匯總，將loan_status和member_info兩個要匹配的兩個表匯總在一起，生成一張匯總的***值數據表以及匹配結果。從結果中可以看出共包含30行數據，比兩個表的行數都要多。并且在grade和其他字段包含Na值，這些是在兩個表中匹配不到的內容。
#outer模式匹配
- merge(loan_status,member_info,all=TRUE,sort=TRUE)
left匹配
left模式是左匹配，以左邊的數據表loan_status為基礎匹配右邊的數據表member_info中的內容。匹配不到的內容以NaN值顯示。在Excel中就好像將Vlookup公式寫在了左邊的表中。下面的文氏圖說明了left模式的匹配方法。Left模式匹配的結果顯示了所有左邊數據表的內容，以及和右邊數據表共有的內容。
以下為使用left模式匹配并拼接后的結果，loan_status在merge函數中***個出現，因此為左表，member_grade第二個出現，為右表。匹配模式為all.x=TRUE。從結果中可以看出left匹配模式保留了一張完整的loan_status表，以此為基礎對member_info表中的內容進行匹配。loan_status表中有5個member_id值在member_info中無法找到，因此grade字段顯示為NA值。
#left模式匹配
- merge(loan_status,member_info,all.x=TRUE,sort=TRUE)
right匹配
right與left模式正好相反，right模式是右匹配，以右邊的數據表member_info為基礎匹配左邊的數據表loan_status。匹配不到的內容以NA值顯示。下面通過文氏圖說明right模式的匹配方法。Right模式匹配的結果顯示了所有右邊數據表的內容，以及和左邊數據表共有的內容。
以下為使用right模式匹配拼接的結果，從結果表中可以看出right匹配模式保留了完整的member_info表，以此為基礎對loan_status表進行匹配，在loan_status數據表中有3個條目在member_info數據表中無法找到，因此顯示為了NA值。
#right模式匹配
- merge(loan_status,member_info,all.y=TRUE,sort=TRUE)
