1.1 중요개념

Base R에는 동일한 개념이 필요하여 merge() 함수로 기능을 제공하였지만, dplyr 두-테이블 동사를 활용해서도 동일한 기능을 구현하는데 문제가 없다.

테이블 두개를 결합할 경우 생각보다 다양한 조합의 수가 존재한다. 두 테이블을 병합할 때, 먼저 두 테이블 모두 공통된 변수가 존재해야 된다. 이를 키라고 부르는데, 두 테이블 모두 존재하기 때문에 명칭을 달리할 필요가 있다. 따라서, 기준 테이블의 키를 기본키(Primary key), 병합할 테이블의 키를 외래키(Foreign key)라고 부른다. 기본키와 외래키를 꼭 한 필드로 고정할 필요는 없고, 다수 필드를 묶어 기본키와 외래키를 정의하는 것도 가능하다.

2.1 inner_join()

inner_join()은 두 테이블 모두에 존재하는 행이 있는 경우 이를 병합하여 새로운 테이블을 생성시킨다.

inner_join(x,y) 를 수행하면 기준 테이블의 모든 행을 반환시키는데 조건은 상대 테이블에 매칭되는 행이 있는 경우다. 두 테이블 사이 다수가 매칭되면, 모든 매칭 조합이 반환된다. 대표적인 mutating join 사례다.

ijsp <- inner_join(superheroes, publishers)

superheroes_kable <- knitr::kable(superheroes)
publishers_kable <- knitr::kable(publishers)
ijsp_kable <- knitr::kable(ijsp)

2.2 left_join()

(ljsp <- left_join(superheroes, publishers))

# A tibble: 7 x 5
  name     alignment gender publisher         yr_founded
  <chr>    <chr>     <chr>  <chr>                  <dbl>
1 Magneto  bad       male   Marvel                  1939
2 Storm    good      female Marvel                  1939
3 Mystique bad       female Marvel                  1939
4 Batman   good      male   DC                      1934
5 Joker    bad       male   DC                      1934
6 Catwoman bad       female DC                      1934
7 Hellboy  good      male   Dark Horse Comics         NA

ljsp_kable <- knitr::kable(ljsp)

2.3 right_join()

(rjsp <- right_join(superheroes, publishers))

# A tibble: 7 x 5
  name     alignment gender publisher yr_founded
  <chr>    <chr>     <chr>  <chr>          <dbl>
1 Batman   good      male   DC              1934
2 Joker    bad       male   DC              1934
3 Catwoman bad       female DC              1934
4 Magneto  bad       male   Marvel          1939
5 Storm    good      female Marvel          1939
6 Mystique bad       female Marvel          1939
7 <NA>     <NA>      <NA>   Image           1992

rjsp_kable <- knitr::kable(rjsp)

2.4 full_join()

(fjsp <- full_join(superheroes, publishers))

# A tibble: 8 x 5
  name     alignment gender publisher         yr_founded
  <chr>    <chr>     <chr>  <chr>                  <dbl>
1 Magneto  bad       male   Marvel                  1939
2 Storm    good      female Marvel                  1939
3 Mystique bad       female Marvel                  1939
4 Batman   good      male   DC                      1934
5 Joker    bad       male   DC                      1934
6 Catwoman bad       female DC                      1934
7 Hellboy  good      male   Dark Horse Comics         NA
8 <NA>     <NA>      <NA>   Image                   1992

fjsp_kable <- knitr::kable(fjsp)

3.1 semi_join()

semi_join()은 두 데이터프레임에 공통된 것을 필터로 찾아서 반환시키는 역할을 수행한다.

(sjsp <- semi_join(superheroes, publishers))

# A tibble: 6 x 4
  name     alignment gender publisher
  <chr>    <chr>     <chr>  <chr>    
1 Magneto  bad       male   Marvel   
2 Storm    good      female Marvel   
3 Mystique bad       female Marvel   
4 Batman   good      male   DC       
5 Joker    bad       male   DC       
6 Catwoman bad       female DC       

sjsp_kable <- knitr::kable(sjsp)

3.2 anti_join()

anti_join()은 두 데이터프레임에 공통된 것을 필터로 찾아서 semi_join()과 정반대 역할을 수행한다. 즉, anti_join(x, y)은 필터링 조인으로 y 데이터프레임에 매칭되지 않지만 x 데이터프레임에 있는 칼럼만 반환한다.

(ajps <- anti_join(publishers, superheroes))

# A tibble: 1 x 2
  publisher yr_founded
  <chr>          <dbl>
1 Image           1992

ajps_kable <- knitr::kable(ajps)

4.1 교집합(intersect)

교집합(intersect) 연산자는 한쪽 데이터프레임에서 다른 쪽 데이터프레임과 공통된 관측점을 추출할 때 사용된다.

데이터프레임 x_df에서 데이터프레임 y_df 차집합(intersect) 연산을 가하게 되면 공통된 행만 추출하게 된다.

intersect(x_df, y_df)

# A tibble: 1 x 3
  A     B         C
  <chr> <chr> <dbl>
1 c     v         3

4.2 차집합(setdiff)

차집합(setdiff)은 첫번재 데이터프레임과 두번째 데이터프레임 간의 공통된 부분을 제거하고 차이가 나는 관측점만 남기게 된다.

setdiff(x_df, y_df)

# A tibble: 2 x 3
  A     B         C
  <chr> <chr> <dbl>
1 a     t         1
2 b     u         2

4.3 합집합(union)

합집합(union)은 중복된 관측점은 제외시키고 x_df와 y_df 둘 중 한 데이터프레임에 있는 관측점을 추출시키게 된다.

setdiff(x_df, y_df)

# A tibble: 2 x 3
  A     B         C
  <chr> <chr> <dbl>
1 a     t         1
2 b     u         2

6.1 아이언맨과 슈퍼맨 BOM 비교

먼저, 아이언맨 가장 오래된 레고상품과 가장 최신 레고상품 BOM을 비교해보자. 이를 위해서 먼저 아이언맨을 sets에서 찾아낸다.

iron_super_man <- sets %>% 
  filter(set_num %in% c("4529-1", "4526-1"))
iron_super_man

# A tibble: 2 x 5
  set_num name      year theme_id num_parts
  <chr>   <chr>    <dbl>    <dbl>     <dbl>
1 4526-1  Batman    2012      492        40
2 4529-1  Iron Man  2012      492        44

마블을 대표하는 아이언맨과 DC코믹스를 대표하는 배트맨의 부품을 상호비교해보자.

• 4529-1 iron man 2012
• 4526-1 batman 2012

6.2 부품 공용화

해당 셋트에서 부품을 찾아내기 위해서는 inventories를 통해 inventory_parts, 그리고 마지막으로 parts 테이블을 합쳐야 해당 세트를 구성하는 부품을 찾아낼 수 있다.

full_info <- iron_super_man %>% 
  left_join(inventories, by="set_num") %>% 
  left_join(inventory_parts, by=c(id = "inventory_id")) %>% 
  left_join(parts, by="part_num", suffix=c("_hero", "_part"))

batman_df <- full_info %>% 
  filter(name_hero == "Batman") %>% 
  select(part_num, name_part)

ironman_df <- full_info %>% 
  filter(name_hero == "Iron Man") %>% 
  select(part_num, name_part)

• 요약표
  • 배트맨 총 부품수: 20
  • 아이언맨 총 부품수: 27
  • 공통부품수: 10

즉, intersect() 함수를 통해 공통으로 사용되는 부품을 찾아내서 부품공용화를 이뤄낼 수 있다.