R SparkR merge用法及代碼示例

說明：

合並兩個 DataFrame

用法：

merge(x, y, ...)

## S4 method for signature 'SparkDataFrame,SparkDataFrame'
merge(
  x,
  y,
  by = intersect(names(x), names(y)),
  by.x = by,
  by.y = by,
  all = FALSE,
  all.x = all,
  all.y = all,
  sort = TRUE,
  suffixes = c("_x", "_y"),
  ...
)

參數：

• x 要連接的第一個 DataFrame 。
• y 要連接的第二個 DataFrame 。
• ... 傳遞給方法的附加參數。
• by 指定連接列的字符向量。如果未指定 by，將使用 x 和 y 中的公共列名。如果 by 或 by.x 和 by.y 都顯式設置為 NULL 或長度為 0，則將返回 x 和 y 的笛卡爾積。
• by.x 一個字符向量，指定 x 的連接列。
• by.y 一個字符向量，指定 y 的連接列。
• all 布爾值設置 all.x 和 all.y 如果其中任何一個未設置。
• all.x 一個布爾值，指示 x 中的所有行是否都應包含在連接中。
• all.y 一個布爾值，指示 y 中的所有行是否都應包含在連接中。
• sort 一個邏輯參數，指示是否應該對結果列進行排序。
• suffixes 長度為 2 的字符串向量，用於使 x 和 y 的列名唯一。第一個元素附加到 x 的每個列名。第二個元素附加到 y 的每個列名。

細節：

如果 all.x 和 all.y 設置為 FALSE，將返回自然連接。如果 all.x 設置為 TRUE 並且 all.y 設置為 FALSE，則將返回左外連接。如果 all.x 設置為 FALSE 並且 all.y 設置為 TRUE，則將返回右外連接。如果 all.x 和 all.y 設置為 TRUE，則將返回完全外連接。

注意：

從 1.5.0 開始合並

例子：

sparkR.session()
df1 <- read.json(path)
df2 <- read.json(path2)
merge(df1, df2) # Performs an inner join by common columns
merge(df1, df2, by = "col1") # Performs an inner join based on expression
merge(df1, df2, by.x = "col1", by.y = "col2", all.y = TRUE)
merge(df1, df2, by.x = "col1", by.y = "col2", all.x = TRUE)
merge(df1, df2, by.x = "col1", by.y = "col2", all.x = TRUE, all.y = TRUE)
merge(df1, df2, by.x = "col1", by.y = "col2", all = TRUE, sort = FALSE)
merge(df1, df2, by = "col1", all = TRUE, suffixes = c("-X", "-Y"))
merge(df1, df2, by = NULL) # Performs a Cartesian join