在我們處理數(shù)據(jù)時，除了對單個表格進行處理，有時還需要對兩個甚至多個表格進行操作。

1.數(shù)據(jù)框拼接：binding

我們現(xiàn)在有一個數(shù)據(jù)框的格式如下：

image

如果有另外一個數(shù)據(jù)框，和其排列相似，如何把兩個數(shù)據(jù)框拼接在一起呢？

（1）生成一個相同格式的數(shù)據(jù)框

# 用R的data.frame函數(shù)創(chuàng)建一個相同格式的數(shù)據(jù)框
gene_exp_tidy2 <- data.frame(GeneId = rep("gene5", times = 3),sample_name = paste("sample", 1:3, sep = ""), expression = 2:4)

image

（2）將兩個數(shù)據(jù)框拼接起來

# 1.使用R自帶的函數(shù)rbind拼接
rbind(gene_exp_tidy,gene_exp_tidy2)  
# 2.使用dplyr的bind_rows函數(shù)
bind_rows(gene_exp_tidy,gene_exp_tidy2)

image

binding的具體用法：

image

2.交集、并集、差集

（1）構(gòu)建一個由gene1和gene5組成的數(shù)據(jù)框

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

image

(2)求交集、并集和差集

# 求兩個數(shù)據(jù)框的交集
intersect(gene_exp_tidy, gene_exp_tidy3)

image

# 求兩個數(shù)據(jù)框的并集（自動去除重復(fù)）
union(gene_exp_tidy, gene_exp_tidy3)

image

# 求兩個數(shù)據(jù)框的并集，不去除重復(fù)
union_all(gene_exp_tidy, gene_exp_tidy3)

image

# 求兩個數(shù)據(jù)框的差集
setdiff(gene_exp_tidy, gene_exp_tidy3)

image

3.內(nèi)連接、左連接、右連接、全連接

image

上圖中，左邊的數(shù)據(jù)框中有基因的表達信息，右邊的數(shù)據(jù)框中有基因的功能注釋，如何把兩個數(shù)據(jù)框相關(guān)聯(lián)，將基因功能注釋添加到基因的表達信息中呢？

左連接：以第一個數(shù)據(jù)框為準，將第二個數(shù)據(jù)框的相關(guān)信息添加進去

# 將兩張表以GeneId進行關(guān)聯(lián)
left_join(gene_exp_tidy, gene_anno, by = "GeneId")

image

在上面的例子中。兩張表都有GeneId一列，列名完全相同，如果兩個列名不完全相同時怎么辦呢？

我們先將第二個數(shù)據(jù)框中的GeneId進行修改：

# 使用rename函數(shù)將GeneId換成Geneid
gene_anno <- rename(gene_anno, Geneid = GeneId)
# 將兩個數(shù)據(jù)框關(guān)聯(lián)，設(shè)置兩個數(shù)據(jù)框中相同的列名
left_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

image

右連接：以第二個數(shù)據(jù)框為準，將第一個數(shù)據(jù)框中的相關(guān)信息添加進去

# 右連接
right_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

image

內(nèi)連接：保留兩個數(shù)據(jù)框中共有的GeneId

# 內(nèi)連接
inner_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

image

全連接：保留兩張表格中所有GeneId的信息

# 全連接
full_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

image

4.半連接、反連接

半連接：只保留第二個數(shù)據(jù)框中包含的GeneId信息

# 半連接
semi_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

image

反連接：只保留第二個數(shù)據(jù)框中不包含的GeneId信息

# 反連接
anti_join(gene_exp_tidy, gene_anno, by =c("GeneId" = "Geneid"))

image