Question

我正在比较R data.table merge和Stata的合并命令。

假设我们有两个数据集，X和Y.两者都有一个共同的密钥id。

Stata具有1：1 merge，这意味着数据集将在唯一ID上一对一地merge。如果我们在Stata中使用数据集X并希望与Y合并，那么＆＃34; master＆＃34;是X和＆＃34;使用＆＃34;是Y。

merge 1:1 id using Y, options

Stata进一步为您提供了他们所称的选择＆＃34;匹配的结果＆＃34;。基本上它是3个值的选择。

Numeric Code    Description
           1    observation appeared in X only
           2    observation appeared in Y only
           3    observation appeared in both only

我相信在R data.table中，1：1的合并是：

对于＆＃34;合并结果＆＃34;数字代码1，你做LEFT JOIN。然后，任何未出现在X中的结果都将被赋予NA。所以我们需要做

Y[X, on=.(id)] or merge(X,Y, all.x=TRUE, on="id")

对于＆＃34;合并结果＆＃34;数字代码2，你做RIGHT JOIN。然后，任何未出现在Y中的结果都将被赋予NA。所以我们需要做

X[Y, on=.(id)] or merge(X,Y, all.y=TRUE, on="id")

对于＆＃34;合并结果＆＃34;数字代码3，你做INNER JOIN。它仅显示X和Y中存在的数据。

X[Y, nomatch=0, on=.(id)] or merge(X,Y, all=FALSE, on="id")

这是对的吗？我很满意Stata选择3，它基本上是INNER JOIN。但我对选择1和2感到困惑。如果你进一步做na.omit（），它将恢复到选择3.这是正确的吗？

我能在R中做1：m或m：1一对多，反之亦然？

FYI for Stata手册：

https://www.stata.com/manuals/dmerge.pdf

对于data.table merge：

https://rstudio-pubs-static.s3.amazonaws.com/52230_5ae0d25125b544caab32f75f0360e775.html

Answer 1

我对Stata不是很熟悉，但我想我可以解释合并（从base，data.table改编）

假设您有这两个数据框：

A <- data.frame(id = c(1,2,4,5),
                obs1 = c(100, 120, 500, 70))

B <- data.frame(id = c(1,3,4,5),
                obs2 = c("a", "c", "t", "r"))

您可以通过以下方式加入他们：

内部联接

merge(A, B)

你只有A和B的交叉点，例如ids 1,4和5。

左连接

merge(A, B, all.x = TRUE)

您将拥有相交信息，以及A中存在但不存在的任何内容。 1,2,4和5

正确加入

merge(A, B, all.y = TRUE)

在这里，您将获得交叉信息，以及B中的任何内容，但不包括A. ids 1,3,4和5

完全加入

merge(A, B, all.x = TRUE, all.y = TRUE)

在这里，您将拥有A和B中存在的ID的并集。所有ids，1-5。

或者，看看dplyr的连接函数。他们有inner_join，left_join，right_join等

R数据表合并与Stata合并

1 个答案: