使用 dplyr 处理关系数据

简介

数据分析很少只涉及单一的数据表。通常你会有多张数据表，并且必须将它们组合起来才能回答你感兴趣的问题。多张数据表合起来被称为关系数据，因为重要的是关系本身，而不仅仅是单个数据集。

关系总是在一对表之间定义的。所有其他关系都建立在这个简单的想法之上：三张或更多表之间的关系总是每对表之间关系的属性。有时一对中的两个元素可以是同一张表！例如，当你有一张人员表，且每个人都有指向其父母的引用时，就需要这样做。

要处理关系数据，你需要能够处理成对表的动词。有三类专为处理关系数据设计的动词：

• 变动连接，它根据另一数据框中匹配的观测，为一个数据框添加新变量。
• 筛选连接，它根据一个数据框中的观测是否与另一张表中的观测匹配，来筛选该数据框中的观测。
• 集合操作，它将观测视为集合元素来处理。