<\/p>\n
Sie k\u00f6nnen die Funktion merge()<\/strong> verwenden, um einen Left-Join in Basis R durchzuf\u00fchren:<\/span><\/p>\n Sie k\u00f6nnen auch die Funktion left_join()<\/strong> aus dem dplyr-<\/a> Paket verwenden, um einen Left-Join durchzuf\u00fchren:<\/span><\/p>\n Hinweis:<\/strong> Wenn Sie mit extrem gro\u00dfen Datens\u00e4tzen arbeiten, ist die Funktion left_join()<\/strong> tendenziell schneller als die Funktion merge()<\/strong> .<\/span><\/p>\n Die folgenden Beispiele zeigen, wie jede dieser Funktionen in der Praxis mit den folgenden Datenrahmen verwendet wird:<\/span><\/p>\n Wir k\u00f6nnen die Funktion merge()<\/strong> in Basis-R verwenden, um einen Links-Join durchzuf\u00fchren, wobei wir die Spalte \u201eTeam\u201c als Spalte f\u00fcr den Join verwenden:<\/span><\/p>\n Wir k\u00f6nnen die Funktion left_join()<\/strong> aus dem dplyr-Paket verwenden, um einen Left-Join durchzuf\u00fchren, wobei wir die Spalte \u201eteam\u201c als Spalte f\u00fcr den Join verwenden:<\/span><\/p>\n Ein Unterschied, den Sie zwischen diesen beiden Funktionen bemerken werden, besteht darin, dass die Funktion merge()<\/strong> die Zeilen automatisch alphabetisch sortiert, basierend auf der Spalte, die Sie zum Durchf\u00fchren der Verkn\u00fcpfung verwendet haben.<\/span><\/p>\n Umgekehrt beh\u00e4lt die Funktion left_join()<\/strong> die urspr\u00fcngliche Reihenfolge der Zeilen im ersten Datenrahmen bei.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere g\u00e4ngige Vorg\u00e4nge in R ausgef\u00fchrt werden:<\/span><\/p>\n So f\u00fchren Sie einen Inner Join in R durch<\/a> Sie k\u00f6nnen die Funktion merge() verwenden, um einen Left-Join in Basis R durchzuf\u00fchren: #left join using base R merge(df1,df2, all. x = TRUE ) Sie k\u00f6nnen auch die Funktion left_join() aus dem dplyr- Paket verwenden, um einen Left-Join durchzuf\u00fchren: #left join using dplyr dplyr::left_join(df2, df1) Hinweis: Wenn Sie mit extrem gro\u00dfen Datens\u00e4tzen arbeiten, ist die […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n #left join using base R<\/span>\nmerge(df1,df2, all. x<\/span> = TRUE<\/span> )\n<\/strong><\/pre>\n #left join using dplyr\n<\/span>dplyr::left_join(df2, df1)<\/strong><\/pre>\n #define first data frame\n<\/span>df1 <- data. frame<\/span> (team=c(' Mavs<\/span> ', ' Hawks<\/span> ', ' Spurs<\/span> ', ' Nets<\/span> '),\n dots=c(99, 93, 96, 104))\n\ndf1\n\n team points\n1 Mavs 99\n2 Hawks 93\n3 Spurs 96\n4 Nets 104\n\n#define second data frame\n<\/span>df2 <- data. frame<\/span> (team=c(' Mavs<\/span> ', ' Hawks<\/span> ', ' Spurs<\/span> ', ' Nets<\/span> '),\n rebounds=c(25, 32, 38, 30),\n assists=c(19, 18, 22, 25))\n\ndf2\n\n team rebound assists\n1 Mavs 25 19\n2 Hawks 32 18\n3 Spurs 38 22\n4 Nets 30 25<\/strong><\/pre>\n Beispiel 1: Linker Join mit Basis R<\/strong><\/span><\/h2>\n
#perform left join using base R<\/span>\nmerge(df1, df2, by=' team<\/span> ', all. x<\/span> = TRUE<\/span> )\n\n team points rebound assists\n1 Hawks 93 32 18\n2 Mavs 99 25 19\n3 Nets 104 30 25\n4 Spurs 96 38 22\n<\/strong><\/pre>\n Beispiel 2: Linker Join mit dplyr<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#perform left join using dplyr<\/span> \nleft_join(df1, df2, by=' team<\/span> ')\n\n team points rebound assists\n1 Mavs 99 25 19\n2 Hawks 93 32 18\n3 Spurs 96 38 22\n4 Nets 104 30 25<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So f\u00fchren Sie Fuzzy-Matching in R durch<\/a>
So f\u00fcgen Sie in R eine Spalte zum Datenrahmen hinzu<\/a>
So entfernen Sie Spalten aus dem Datenrahmen in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"