在数据分析过程中，仅仅涉及一张表格的情况是非常少见的，我们经常需要联系到其它表格的数据，整合这些表格的信息。这时我们需要常见的三类操作来完成。
- 合并连接：根据观测合并表格
- 筛选连接：根据观测，筛选保留或者删去变量
- 集合操作：不常见（暂不详述）
R语言中用于连接的函数
- 一是dplyr中的join系列，又包括内连接与外连接
内连接-inner_join
是指仅仅保留x,y中相匹配的观测,下面用几张图来说明，相当于是做了一个交集
内连接1
内连接2
内连接3
inner_join(x,y,by="key")
外连接
** 外连接又包括了：
- 左连接：保留x中所有观测，y中保留匹配的观测（交集但有包含X中所有）
- 右连接：同理保留y中所有观测（交集但保留y中所有）
- 全连接：x,y中所有观测都保留
下面一一用图片的方式展示，加深理解
左连接-left_join
y中未匹配的观测丢弃，x中未匹配的观测保留，y中以NA填充
left_join(x,y,by="key)
左连接1
左连接2
右连接-right_join
与左连接同理，保留y中所有观测，x中仅保留匹配的观测。
right_join(x,y,by=key)
右连接
全连接-full_join
x,y中观测全部保留，相当于取了并集
full_join(x,y,by="key)
全连接
dplyr中的筛选连接
筛选连接包括：包括 半连接与反连接**
半连接-semi_join
保留x中与y匹配的观测，它与内连接的不同在于，取交集但是并不合并y而仅仅是保留了x，y的作用是做了筛选而已。
半连接
semi_join(x,y,by="key)
反连接
是半连接的反向操作,用y做筛选，找出非相交的部分保留下来
反连接
anti_join(x,y,by= “key”)
merge函数
dplyr中的join系列函数与base::merge函数其实相似
merge函数也能实现这四种合连接的操作，但相对来讲，dplyr中的表达更清晰，更易让人理解并记住。
内连接
merge(x,y,by=“key”)
左连接
merge(x,y,all.x=TRUE,by="key")
右连接
merge(x,y,all.y=TRUE,by="key")
全连接
merge(x,y,all.x=TRUE,all.y=TRUE,by="key")
相关阅读：
R语言中创建函数参数的问题
R语言with/within函数添加数据框到环境变量
R语言简单for循环（二）
R语言for循环01-批量完成相关系数计算
R语言-相关系数计算(一)
认真聊一聊R语言中的paste/paste0函数
R语言aggregate函数
