R 變數與資料的管理

R 結合兩個資料表

目前為止我們看到的範例資料都是儲存在單一檔案中，但有些時候狀況可能沒有那麼單純，在實際的資料分析上，我們可能會遇到資料散佈在多個檔案中的狀況，而不同檔案中的資料有不同的欄位，靠著其中一個資料編號或 ID 的欄位互相連結，遇到這樣的資料時，我們就必須先把多張資料表合併，才能繼續後續的分析工作。

假設我們現在拿到兩個資料表，資料的欄位如下，第一個資料表有 Sample 與 GSI 兩個欄位。

第二個資料表有 Sample、YEAR、MONTH、Location 與 Sex 這幾個欄位。

兩個資料表同時都有 Sample 這個欄位，我們要做的事情就是依照 Sample 的編號，將兩個資料表合併整的表格，以利後續的分析。

在實務上這樣兩個資料表的資料筆數不一定相同，最常發生的狀況就是有一些資料不小心搞丟了，或是因為某些原因無法取得，我們故意將 Squid2 這個資料表的第 4 筆資料刪掉，以模擬這樣的狀況。

R 裡面的 merge 函數就是特別為了處理這樣的問題而設計的，首先將兩個資料表讀進 R 中：

Sq1 <- read.table(file = "squid1.txt", header = TRUE)
Sq2 <- read.table(file = "squid2.txt", header = TRUE)

接著使用 merge 合併：

SquidMerged <- merge(Sq1, Sq2, by = "Sample")
SquidMerged

輸出為：

     Sample     GSI YEAR MONTH Location Sex
1         1 10.4432    1     1        1   2
2         2  9.8331    1     1        3   2
3         3  9.7356    1     1        1   2
4         5  8.9926    1     1        1   2
5         6  8.7707    1     1        1   2
6         7  8.2576    1     1        1   2
[略]

merge 函數的第一、二個參數是指定要合併的資料表，而 by 參數則是指定資料辨識的依據欄位。預設的狀況下，merge 會將有缺失值的資料忽略，所以上面這樣產生的資料並不會包含 Sample 為 4 的那一筆資料。我們可以將 all 參數設定為 TRUE（預設為 FALSE），讓含有缺失值的資料也一併被保留。

SquidMerged <- merge(Sq1, Sq2, by = "Sample", all = TRUE)
SquidMerged

輸出為：

     Sample     GSI YEAR MONTH Location Sex
1         1 10.4432    1     1        1   2
2         2  9.8331    1     1        3   2
3         3  9.7356    1     1        1   2
4         4  9.3107   NA    NA       NA  NA
5         5  8.9926    1     1        1   2
6         6  8.7707    1     1        1   2
7         7  8.2576    1     1        1   2
[略]

第 4 筆資料的缺失值會以 NA 來表示。