数据连接：dplyr包的join系列函数

专题介绍：R是一种广泛用于数据分析和统计计算的强大语言，于上世纪90年代开始发展起来。得益于全世界众多 爱好者的无尽努力，大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio（用户的界面体验更好）。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献，让R语言在全球范围内越来越流行。其中一些R包，例如MASS，SparkR， ggplot2，使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R的学术性开发比较早，适合生物学和医学等学术学科的科研人员使用。

昨日，我在用R语言做情感分析数据项目时，有一行代码使用dplyr的semi_join函数。这个函数是我第一次接触到，我以前做数据连接的时候主要使用inner_join函数和left_join函数。因此，我继续学习下semi_join函数，并同时把R语言的join系列函数做个总结。在查阅的学习资料的过程中，找到一份利用动画演示dplyr包各种join函数的工作机制，可以帮助我们更形象地理解各种join函数是如何工作的。

我们先构建一份简单的人工数据集。

library(tidyverse)

# 构建数据
x <- tribble(
  ~key, ~x,
  1, "x1",
  2, "x2",
  3, "x3")

y <- tribble(
  ~key, ~y,
  1, "y1",
  2, "y2",
  4, "y4")
x
y

结果

1.1  inner_join函数

代码：

# 内连接 inner_join
x %>% inner_join(y, by="key")

结果：

工作机制：

1.2 left_join函数

代码：

# 左连接 left_join
x %>% left_join(y, by="key")

结果：

工作机制：

1.3 right_join函数

代码：

# 右连接 right_join
x %>% right_join(y, by="key")

结果：

工作机制：

1.4 full_join函数

代码：

# 全连接 full_join
x %>% full_join(y, by="key")

结果：

工作机制：

1.5 semi_join函数

代码：

# semi_join
x %>% semi_join(y, by="key")

结果：

工作机制：

1.6 anti_join函数

代码：

# anti_join
x %>% anti_join(y, by="key")

结果：

工作机制：

2 dplyr包内连接函数和外连接函数和SQL连接对应关系

3 dplyr包内连接函数和外连接函数的工作机制的韦恩图

参考资料：

1 https://www.jianshu.com/p/1f4c7bfed3d4

2 https://r4ds.had.co.nz/tidy-data.html

3 https://github.com/gadenbuie/tidyexplain#relational-data

关于dplyr包join系列函数的使用，您有什么疑问或者想法请留言。

需要深入交流和沟通，请加我的微信：luqin360。备注：实名+工作或者专业，否则不会通过。

数据思考与践行

你点的每个在看，我都认真当成了喜欢