R語言 實現兩表連接且輸出不重復數據

在做項目中遇到瞭如此問題,其中整理的結果表中沒有會員ID信息,隻有會員電話號碼信息,且每一行為唯一一個會員。

另外一張member表中包含會員ID以及會員電話信息,但是這張表有重復的會員信息,也就是說一個會員在member表中多次出現,memeber表比整理的表要大很多。

說明:

1.在項目過程中,數據量較大,用到的是data.table包,需要用到SQL中的語句減少代碼量,因此需要sqldf包。

2.以下例子中xx中的a1在yy中都有對應的值。

3.yy中的a1與b是一一對應的關系,不存在同一個a1值對應不同的b值。

4.此程序的目的是,用yy表與xx表匹配,也就是最終的結果應該是在xx的基礎上增加b這一列的信息,數據集xx的行數不變。

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連接所有信息包括進去 
> 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;">#刪除重復的行*/ 
> 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>

補充:R語言篩選出不重復的行的幾種方法

在做項目的過程中遇到篩選不重復的會員信息進行匹配,本次介紹五種篩選不重復行的數據:

五種方法如下:

>>> 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), ]) 

以上為個人經驗,希望能給大傢一個參考,也希望大傢多多支持WalkonNet。如有錯誤或未考慮完全的地方,望不吝賜教。