Question

我从未真正使用过dplyr，并想知道如何在以下上下文中使用它。所以，我有两个数据框：

 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

现在，我想根据subscriptionData的{{1}}获取account.id的子集。我基本上希望将trainData的子集与subscriptionData中的account.id一起使用。

我知道这是一个非常基本的问题，但我是全新的dplyr并且毫无头绪。

Answer 1

你想要一个半连接：

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

使用dplyr根据两个数据帧中一列中的公共值对数据进行子集化

1 个答案: