データフレームを（inner, outer, left, rightで）結合（マージ）する方法は？ [R]

Tweet

質問：

2つのデータフレームがあるとする：

df1 = data.frame(CustomerId = c(1:6), Product = c(rep("Toaster", 3), rep("Radio", 3)))
df2 = data.frame(CustomerId = c(2, 4, 6), State = c(rep("Alabama", 2), rep("Ohio", 1)))
df1
#  CustomerId Product
#           1 Toaster
#           2 Toaster
#           3 Toaster
#           4   Radio
#           5   Radio
#           6   Radio
df2
#  CustomerId   State
#           2 Alabama
#           4 Alabama
#           6    Ohio

どうやったらデータベース的、すなわち、SQLみたいなjoinができる？つまり、

• df1とdf2のinner join：
  左側のテーブルが右側のテーブルに一致するキーがある行のみを返す。

• df1とdf2の外部結合：
  両方のテーブルのすべての行を返し、右側のテーブルの一致するキーがある左側のテーブルからレコードは結合する。

• df1とdf2のleft outer join(または単にleft join)
  左のテーブルからすべての行と、右側からマッチするキーが有るすべての行を返す

• df1とdf2のright outer join
  右側のテーブルからすべての行を返し、さらに左側から一致するキーを持つ行の全てを返す
  左のテーブル。

おまけ：

どのやったらSQLっぽいのselect文を実行できる？

回答1:

merge関数とそのパラメータを使うことでできるよ：

Inner join: merge(df1、df2)で出来る。Rは自動的に共通の変数名でフレームに結合するから。でも、必要とするfieldをマッチしてるのを確認するために、merge(df1、df2、by = CustomerId ")を使用したほうがいいかな。一致する変数が異なるデータフレームで異なる名前を持つ場合は、 by.xとby.yパラメータを使うこともできるよ。

Outer join: merge(x = df1, y = df2, by = "CustomerId", all = TRUE)

Left outer: merge(x = df1, y = df2, by = "CustomerId", all.x = TRUE)

Right outer: merge(x = df1, y = df2, by = "CustomerId", all.y = TRUE)

Cross join: merge(x = df1, y = df2, by = NULL)

でもほとんどの場合、マージしたい識別子を明示的に記述するほうが安全だろうね。

回答2:

Gabor Grothendieckの sqldfパッケージをおすすめするよ。SQLでの操作みたいにできるから.

library(sqldf)
## inner join
df3 <- sqldf("SELECT CustomerId, Product, State
              FROM df1
              JOIN df2 USING(CustomerID)")
## left join (substitute 'right' for right join)
df4 <- sqldf("SELECT CustomerId, Product, State
              FROM df1
              LEFT JOIN df2 USING(CustomerID)")

SQLの構文の方が、Rの同じ構文よりも簡単で自然だと思うから(でもこれは僕のRDBMSバイアスを反映してるだけかも)。

結合に関してはGaborのsqldf
GitHubを参照

Source: How to join (merge) data frames (inner, outer, left, right)?