Comment joindre des blocs de données sur plusieurs colonnes à l’aide de dplyr

Vous pouvez utiliser la syntaxe de base suivante pour joindre des trames de données dans R en fonction de plusieurs colonnes à l’aide de dplyr :

library(dplyr)

left_join(df1, df2, by=c('x1'='x2', 'y1'='y2'))

Cette syntaxe particulière effectuera une jointure gauche où les conditions suivantes sont vraies :

• La valeur dans la colonne x1 de df1 correspond à la valeur dans la colonne x2 de df2.
• La valeur de la colonne y1 de df1 correspond à la valeur de la colonne y2 de df2.

L’exemple suivant montre comment utiliser cette syntaxe dans la pratique.

Exemple : rejoindre plusieurs colonnes à l’aide de dplyr

Supposons que nous ayons les deux trames de données suivantes dans R :

#define first data frame
df1 = data.frame(team=c('A', 'A', 'B', 'B'),
                 pos=c('G', 'F', 'F', 'G'),
                 points=c(18, 22, 19, 14))

df1

  team pos points
1    A   G     18
2    A   F     22
3    B   F     19
4    B   G     14

#define second data frame
df2 = data.frame(team_name=c('A', 'A', 'B', 'C', 'C'),
                 position=c('G', 'F', 'F', 'G', 'F'),
                 assists=c(4, 9, 8, 6, 5))

df2

  team_name position assists
1         A        G       4
2         A        F       9
3         B        F       8
4         C        G       6
5         C        F       5

Nous pouvons utiliser la syntaxe suivante dans dplyr pour effectuer une jointure gauche basée sur deux colonnes :

library(dplyr)

#perform left join based on multiple columns
df3 <- left_join(df1, df2, by=c('team'='team_name', 'pos'='position'))

#view result
df3

  team pos points assists
1    A   G     18       4
2    A   F     22       9
3    B   F     19       8
4    B   G     14      NA

Le bloc de données résultant contient toutes les lignes de df1 et uniquement les lignes de df2 où les valeurs d’équipe et de position correspondent.

Notez également que si les deux blocs de données partagent les mêmes noms de colonnes, vous pouvez simplement utiliser la syntaxe suivante pour joindre plusieurs colonnes :

library(dplyr)

#perform left join based on multiple columns
df3 <- left_join(df1, df2, by=c('team', 'position'))

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations courantes dans R :

Comment faire une jointure à gauche dans R
Comment faire une jointure à droite dans R
Comment faire une jointure interne dans R
Comment faire une jointure externe dans R