使用dplyr根據兩個數據幀中的一列中的公共值對數據進行子集合

我從來沒有真正使用dplyr並想知道如何在以下上下文中使用它。所以，我有以下兩個數據幀：使用dplyr根據兩個數據幀中的一列中的公共值對數據進行子集合

trainData <- read.csv("train.csv", header = TRUE, stringsAsFactors = FALSE) 
subscriptionData <- read.csv("subscriptions.csv", header = TRUE, stringsAsFactors = FALSE) 
> head(trainData) 
     account.id total 
1 001i000000NuOGY  0 
2 001i000000NuS8r  0 
3 001i000000NuPGw  0 
4 001i000000NuO7a  0 
5 001i000000NuQ2f  0 
6 001i000000NuOQz  0 

> head(subscriptionData) 
     account.id season package no.seats   location   section price.level total multiple.subs 
1 001i000000LhyR3 2009-2010 Quartet  2  San Francisco Premium Orchestra   1 1.0   no 
2 001i000000NuOeY 2000-2001 Full  2  San Francisco   Orchestra   2 2.0   no 
3 001i000000NuNvb 2001-2002 Full  2 Berkeley Saturday  Balcony Front   3 2.0   no 
4 001i000000NuOIz 1993-1994 Quartet  1  Contra Costa   Orchestra   2 0.5   no 
5 001i000000NuNVE 1998-1999 Full  2 Berkeley Sunday  Balcony Rear   4 2.0   no

現在我想利用基於trainData的account.id的subscriptionData子集。我基本上想要採取subscriptionData與account.id子集也存在於trainData。

我知道這是一個非常基本的問題，但我是全新的dplyr，並沒有任何線索。

來源

2014-11-03 hmi

'subscriptionData％>％的過濾器（account.id在％$ trainData％account.id）'假設ID是唯一的。 – KFB 2014-11-03 04:56:02

@hmi你可以使用'inner_join'，即'inner_join（subscriptionData，trainData [，'account.id'，drop = FALSE]，by ='account.id'）' – akrun 2014-11-03 06:05:46

謝謝你們。解決了它:) – hmi 2014-11-03 08:38:56

你想要一個半聯接：

subscriptionData %>% semi_join(trainData, by = "account.id")

來源

2014-11-03 16:21:43 hadley

@Burimi吧？這確實回答了這個問題。 – hadley 2014-11-03 16:54:10

保存一下輸入那個傻管符號：'semi_join（subscriptionData，trainData，by =「account.id」）' - 我的意思是，當你連接一堆管道時管道是可愛的，但不要掛在管道上。 – Spacedman 2014-11-03 17:08:18

@Spacedman是的，這裏沒有必要，但它很可能用於一系列轉換 – hadley 2014-11-03 17:35:43

使用dplyr根據兩個數據幀中的一列中的公共值對數據進行子集合

回答

相關問題