R中双表操作学习[转载]

转自:https://www.jianshu.com/p/a7af4f6e50c3

1.原始数据

以上是原有的一个，再生成一个新的：

> gene_exp_tidy2 <- data.frame(GeneId = rep("gene5", times = ),sample_name = paste("sample", :, sep = ""), expression = :)
> gene_exp_tidy2
  GeneId sample_name expression
  gene5     sample1
  gene5     sample2
  gene5     sample3
> mode(gene_exp_tidy2)
[] "list"
> typeof(gene_exp_tidy2)
[] "list"

//这个生成数据框的一句代码好厉害啊，学习了。

2.数据框拼接

# .使用R自带的函数rbind拼接
rbind(gene_exp_tidy,gene_exp_tidy2)
# .使用dplyr的bind_rows函数
bind_rows(gene_exp_tidy,gene_exp_tidy2)

其中对dplyr中拼接函数的说明：

包括按行合并和按列合并。也就是会改变表中y的值。

3.交集

3.1构建一个gene1和gene5组成的数据框

gene_exp_tidy3 <- filter(gene_exp_tidy, GeneId == "gene1")%>%
  bind_rows(gene_exp_tidy2)

//就是过滤吧，从原来的当中根据列名过滤，列名中的内容=gene1的列，然后进行合并到变量2的行上。结果如上。

3.2求交集

# 求两个数据框的交集
intersect(gene_exp_tidy, gene_exp_tidy3)

3.3并集（自动去重）

# 求两个数据框的并集（自动去除重复）
union(gene_exp_tidy, gene_exp_tidy3)

3.3并集（不去重）

# 求两个数据框的并集，不去除重复
union_all(gene_exp_tidy, gene_exp_tidy3)

//是三个元素完全相同，才会判断为相同的。

3.4求差集

# 求两个数据框的差集
setdiff(gene_exp_tidy, gene_exp_tidy3)

4表连接操作

4.1内连接

上图中，左边的数据框中有基因的表达信息，右边的数据框中有基因的功能注释，如何把两个数据框相关联，将基因功能注释添加到基因的表达信息中呢？

//也就是以左边的表为基准，查看当前geneid是否在右边表中出现，如果出现，则合并呗。

左连接：以第一个数据框为准，将第二个数据框的相关信息添加进去

# 将两张表以GeneId进行关联
left_join(gene_exp_tidy, gene_anno, by = "GeneId")

对于如果两个表的列名不恰好相同的话，使用以下语句：

# 使用rename函数将GeneId换成Geneid
gene_anno <- rename(gene_anno, Geneid = GeneId)
# 将两个数据框关联，设置两个数据框中相同的列名
left_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

by中是一个向量，左边表的列名=右边表的列名 。结果与上述是一样的结果。

4.2右连接

右连接：以第二个数据框为准，将第一个数据框中的相关信息添加进去

# 右连接
right_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

4.3内连接：保留两个数据框中共有的GeneId

# 内连接
inner_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

4.4全连接：保留两张表格中所有GeneId的信息

# 全连接
full_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

4.5半连接

半连接：只保留第二个数据框中包含的GeneId信息

//应该是只根据c中的保留表2中的列，不会进行其他列的信息合并。

4.6反连接:只保留第二个数据框中不包含的GeneId信息

# 反连接
anti_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))