本节书摘来自华章计算机《数据科学：R语言实现》一书中的第3章，第3.8节，作者 丘祐玮（David Chiu），更多章节内容可以访问云栖社区“华章计算机”公众号查看。

3.8　合并数据

数据合并让我们理解不同数据源是如何相互关联的。R中的merge操作与数据库中的join操作类似，它使用两个数据集中相同的值来连接两个数据集。

准备工作

按照3.3节“转换数据类型”教程，把导入数据的每个属性转换成合适的数据类型。同时按照3.2节“重命名数据变量”中的步骤，命名employees和salaries数据集的列名。

实现步骤

执行下列步骤，合并salaries和employees。

1.因为salaries和employees都有emp_no，我们可以使用emp_no作为连接键合并两个数据集：

2.我们可以给舍弃的属性指定NULL值：

3.除了使用函数merge，我们可以安装加载plyr程序包来操作数据：

4.我们可以使用plyr中的函数join来合并数据：

运行原理

与数据库中的数据表类似，我们有时候也需要合并两个数据集，进而进行数据关联。在R中，我们只需要使用函数merge合并相同列值下的两个数据框。

在函数merge中，我们使用salaries和employees作为输入数据框。对于by参数，我们指定emp_no作为键合并这两个表。然后，我们看到在emp_no上取值相同的数据合并到了一个新的数据框中。但是，有时我们希望执行左连接或者右连接，以达到保留employees或salaries所有数据值的目的。要执行左连接，我们设置all.x为TRUE。然后我们发现employees所有行都在合并结果中保留了下来。相反，如果我们希望保留salaries的所有行，我们可以设置all.y为TRUE。

除了使用内置的merge函数，我们可以安装加载plyr程序包来合并数据集。join的用法与merge类似，我们只需要指定要合并的数据以及by参数中相同值所在的列。

更多技能

在plyr程序包中，我们可以使用函数join_all，在一个列表中递归地连接数据集。这里，我们可以使用join_all按照emp_no合并employees和salaries数据集：