在資料分析上，常需要合併多組dataframe，成為一組完整的資料，今天我們就來介紹dataframe之間如何進行合併。
最常見的合併套件有兩種，一種是使用原生的套件merge()，另外一個方法則是使用dplyr套件中的join系列函數，下方會針對4種不同的合併方法來進行整理。
舉兩個dataframe合併為例，其中一個包含商品名稱與商品數量，另一個包含商品名稱與商品價錢，兩個dataframe共同的欄位名稱為商品名稱，因此在合併時會使用商品名稱當串接的欄位，資料內容如下：

# 商品名稱與商品數量
item_count = data.frame(
                          item = c("milk", "apple", "cookie", "mug", "beef"),
                          count = c(2, 3, 4, 6, 5)
                        )
                        
item_count
    item count
1   milk     2
2  apple     3
3 cookie     4
4    mug     6
5   beef     5

# 商品名稱與商品價錢
item_price = data.frame(
                          item = c("milk", "apple", "cookie", "mug", "fish"),
                          price = c(10, 12, 7, 20, 30)
                        )
                        
item_price
    item price
1   milk    10
2  apple    12
3 cookie     7
4    mug    20
5   fish    30                        

• inner join: 只保留兩個dataframe同時有的
  

library(dplyr)
# 使用merge()
merge(x = item_count, y = item_price, by = "item")

# 或使用dplyr套件
item_count %>% inner_join(item_price, by = "item")
    item count price
1  apple     3    12
2 cookie     4     7
3   milk     2    10
4    mug     6    20

• outer join: 保留所有(dataframe1+dataframe2)
  

# 使用merge()
merge(x = item_count, y = item_price, by = "item", all=TRUE)

# 或使用dplyr套件
item_count %>% full_join(item_price, by = "item")
    item count price
1   milk     2    10
2  apple     3    12
3 cookie     4     7
4    mug     6    20
5   beef     5    NA
6   fish    NA    30

• left join: 以dataframe1為基礎(取左邊資料的當key)，將datafram2做合併
  

# 使用merge()
merge(x = item_count, y = item_price, by = "item", all.x=TRUE)

# 或使用dplyr套件
item_count %>% left_join(item_price, by = "item")
    item count price
1   milk     2    10
2  apple     3    12
3 cookie     4     7
4    mug     6    20
5   beef     5    NA

• right join: 以dataframe2為基礎(取右邊資料的當key)，將datafram1做合併
  

# 使用merge()
merge(x = item_count, y = item_price, by = "item", all.y=TRUE)

# 或使用dplyr套件
item_count %>% right_join(item_price, by = "item")
    item count price
1   milk     2    10
2  apple     3    12
3 cookie     4     7
4    mug     6    20
5   fish    NA    30

以上是常見的4種合併資料方法