R语言 实现两表连接且输出不重复数据
作者：Watch_dou
这篇文章主要介绍了R语言 实现两表连接且输出不重复数据的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
在做项目中遇到了如此问题，其中整理的结果表中没有会员ID信息，只有会员电话号码信息，且每一行为唯一一个会员。
另外一张member表中包含会员ID以及会员电话信息，但是这张表有重复的会员信息，也就是说一个会员在member表中多次出现，memeber表比整理的表要大很多。
说明：
1.在项目过程中，数据量较大，用到的是data.table包，需要用到SQL中的语句减少代码量，因此需要sqldf包。
2.以下例子中xx中的a1在yy中都有对应的值。
3.yy中的a1与b是一一对应的关系，不存在同一个a1值对应不同的b值。
4.此程序的目的是，用yy表与xx表匹配，也就是最终的结果应该是在xx的基础上增加b这一列的信息，数据集xx的行数不变。
如下所示：
<span style="font-size:14px;">> library(data.table)
> library(sqldf)
> xx <- data.table(a1=1:6,c=c(8,5,8,6,23,7),d=c('adf','af','sdf','utr','af','ruti'))</span>
<span style="font-family:SimSun;font-size:14px;">> xx
a1 c d
1: 1 8 adf
2: 2 5 af
3: 3 8 sdf
4: 4 6 utr
5: 5 23 af
6: 6 7 ruti</span>
<span style="font-size:14px;">yy <- data.table(a1=c(2,3,1,4,5,5,7,6,8,9,2,2,3,6),b=c('b','c','a','d','e','e','g',
'f','h','i','b','b','c','f'))</span>
<span style="font-size:14px;">> yy a1 b 1: 2 b 2: 3 c 3: 1 a 4: 4 d 5: 5 e 6: 5 e 7: 7 g 8: 6 f 9: 8 h 10: 9 i 11: 2 b 12: 2 b 13: 3 c 14: 6 f </span>
<span style="font-size:14px;">#按照a1连接所有信息包括进去 > dataxy<- merge(xx, yy, by = "a1", all.x = TRUE) > dataxy a1 c d b 1: 1 8 adf a 2: 2 5 af b 3: 2 5 af b 4: 2 5 af b 5: 3 8 sdf c 6: 3 8 sdf c 7: 4 6 utr d 8: 5 23 af e 9: 5 23 af e 10: 6 7 ruti f 11: 6 7 ruti f</span>
<span style="font-size:14px;">#删除重复的行*/
> sqldf("select DISTINCT a1,b,c,d from left1")
a1 b c d
1 1 a 8 adf
2 2 b 5 af
3 3 c 8 sdf
4 4 d 6 utr
5 5 e 23 af
6 6 f 7 ruti</span>
补充：R语言筛选出不重复的行的几种方法
在做项目的过程中遇到筛选不重复的会员信息进行匹配，本次介绍五种筛选不重复行的数据：
五种方法如下：
>>> library(dplyr) >>> library(sqldf)
方法一：
>>> data1 <- data7_0 %>%
group_by(CELLPHONE,MEMBERID) %>%
filter(row_number() == 1) %>%
ungroup()
方法二：
>>> data2 <- data7_0 %>%
distinct(CELLPHONE,MEMBERID, .keep_all = TRUE)
方法三：
>>> data3 <- sqldf("select DISTINCT CELLPHONE,MEMBERID from data7_0")
方法四：
>>> data4 <- base::unique(data7_0)
方法五：
>>> data5 <- as.data.table(data7_0[!duplicated(data7_0$CELLPHONE), ])
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。如有错误或未考虑完全的地方，望不吝赐教。