2

Hay una serie de operaciones elementales en SQL que me gustaría ver como resolverlas en R. En el caso del primero tenemos un resulset y en el segundo un data.frame ambas estructuras de datos son similares en muchos aspectos y me gustaría saber como resolver lo siguiente:

  • Selección de columnas
  • Filtros WHERE
  • INNER JOIN
  • LEFT/RIGHT JOIN
  • CROSS JOIN

Puede ser mediante el paquete base o con alguna librería específica. Para ejemplo, partir de los siguientes data.farme:

clientes = data.frame(ClienteId = c(1:4), 
                    RazonSocial = c("Cliente 1", "Cliente 2", "Cliente 3", "Cliente 4"),
                    Direccion = c("Dirección 1", "Dirección 2", "Dirección 3", "Dirección 4"))

ventas = data.frame(ClienteId = c(1, 2, 3, 5), 
                    Monto = c(110, 50, 60, 90))

Es decir:

> clientes
  ClienteId RazonSocial   Direccion
1         1   Cliente 1 Dirección 1
2         2   Cliente 2 Dirección 2
3         3   Cliente 3 Dirección 3
4         4   Cliente 4 Dirección 4

> ventas
  ClienteId Monto
1         1   110
2         2    50
3         3    60
4         5    90

2 respuestas 2

5

Propongo la solución alternativa usando las funciones del paquete dplyr

clientes = data.frame(ClienteId = c(1:4), RazonSocial = c("Cliente 1", "Cliente 2", 
  "Cliente 3", "Cliente 4"), Direccion = c("Direccion 1", "Direccion 2", "Direccion 3", 
  "Direccion 4"))

ventas = data.frame(ClienteId = c(1, 2, 3, 5), Monto = c(110, 50, 60, 90))


library(dplyr)

Seleccion de columnas

Se hace con la funcion select.

select(clientes, Direccion, ClienteId)
#>     Direccion ClienteId
#> 1 Direccion 1         1
#> 2 Direccion 2         2
#> 3 Direccion 3         3
#> 4 Direccion 4         4

Con índices

select(clientes, 2:1)
#>   RazonSocial ClienteId
#> 1   Cliente 1         1
#> 2   Cliente 2         2
#> 3   Cliente 3         3
#> 4   Cliente 4         4

Puede remover si necesitas

select(clientes, -1)
#>   RazonSocial   Direccion
#> 1   Cliente 1 Direccion 1
#> 2   Cliente 2 Direccion 2
#> 3   Cliente 3 Direccion 3
#> 4   Cliente 4 Direccion 4
select(clientes, -ClienteId)
#>   RazonSocial   Direccion
#> 1   Cliente 1 Direccion 1
#> 2   Cliente 2 Direccion 2
#> 3   Cliente 3 Direccion 3
#> 4   Cliente 4 Direccion 4

Interesante es usar el auxiliar everithing() para por ejemplo traer una columna hacia el primer lugar

select(clientes, RazonSocial, everything())
#>   RazonSocial ClienteId   Direccion
#> 1   Cliente 1         1 Direccion 1
#> 2   Cliente 2         2 Direccion 2
#> 3   Cliente 3         3 Direccion 3
#> 4   Cliente 4         4 Direccion 4

Otro helpers muy útil son los starts_with, ends_with, contains, entre otros mas: que reciben una expresion regular o patron:

select(clientes, contains("e"))  # todas las columnas que contienen 'e'
#>   ClienteId   Direccion
#> 1         1 Direccion 1
#> 2         2 Direccion 2
#> 3         3 Direccion 3
#> 4         4 Direccion 4

Filtros

Notar que no tienes que repetir el nombre de la tabla (clientes[clientes$Direccion) lo que hace el codigo mas facil de escribir, entender, mantener.

filter(clientes, Direccion == "Direccion 2")
#>   ClienteId RazonSocial   Direccion
#> 1         2   Cliente 2 Direccion 2
filter(clientes, Direccion != "Direccion 2")
#>   ClienteId RazonSocial   Direccion
#> 1         1   Cliente 1 Direccion 1
#> 2         3   Cliente 3 Direccion 3
#> 3         4   Cliente 4 Direccion 4
filter(clientes, Direccion %in% c("Direccion 1", "Direccion 2"))
#>   ClienteId RazonSocial   Direccion
#> 1         1   Cliente 1 Direccion 1
#> 2         2   Cliente 2 Direccion 2
filter(clientes, Direccion %in% c("Direccion 1", "Direccion 2"))
#>   ClienteId RazonSocial   Direccion
#> 1         1   Cliente 1 Direccion 1
#> 2         2   Cliente 2 Direccion 2

Me he hecho muy fan del tidyverse, sobre todo por que me es mas fácil enseñarlo a quienes no han programado mucho antes. Por ejemplo grep puede ser mas fácil de olvidar que hace a diferencia de str_detect (detectar en string).

library(stringr)
filter(clientes, str_detect(Direccion, "Dire.*[12]"))
#>   ClienteId RazonSocial   Direccion
#> 1         1   Cliente 1 Direccion 1
#> 2         2   Cliente 2 Direccion 2

Joins

# por defecto busca la interseccion en nombres
inner_join(clientes, ventas)
#> Joining, by = "ClienteId"
#>   ClienteId RazonSocial   Direccion Monto
#> 1         1   Cliente 1 Direccion 1   110
#> 2         2   Cliente 2 Direccion 2    50
#> 3         3   Cliente 3 Direccion 3    60
inner_join(clientes, ventas, by = "ClienteId")
#>   ClienteId RazonSocial   Direccion Monto
#> 1         1   Cliente 1 Direccion 1   110
#> 2         2   Cliente 2 Direccion 2    50
#> 3         3   Cliente 3 Direccion 3    60

left_join(clientes, ventas)
#> Joining, by = "ClienteId"
#>   ClienteId RazonSocial   Direccion Monto
#> 1         1   Cliente 1 Direccion 1   110
#> 2         2   Cliente 2 Direccion 2    50
#> 3         3   Cliente 3 Direccion 3    60
#> 4         4   Cliente 4 Direccion 4    NA

right_join(clientes, ventas)
#> Joining, by = "ClienteId"
#>   ClienteId RazonSocial   Direccion Monto
#> 1         1   Cliente 1 Direccion 1   110
#> 2         2   Cliente 2 Direccion 2    50
#> 3         3   Cliente 3 Direccion 3    60
#> 4         5        <NA>        <NA>    90

full_join(clientes, ventas)
#> Joining, by = "ClienteId"
#>   ClienteId RazonSocial   Direccion Monto
#> 1         1   Cliente 1 Direccion 1   110
#> 2         2   Cliente 2 Direccion 2    50
#> 3         3   Cliente 3 Direccion 3    60
#> 4         4   Cliente 4 Direccion 4    NA
#> 5         5        <NA>        <NA>    90
merge(x = clientes, y = ventas, by = "ClienteId", all = TRUE)
#>   ClienteId RazonSocial   Direccion Monto
#> 1         1   Cliente 1 Direccion 1   110
#> 2         2   Cliente 2 Direccion 2    50
#> 3         3   Cliente 3 Direccion 3    60
#> 4         4   Cliente 4 Direccion 4    NA
#> 5         5        <NA>        <NA>    90

No existe forma directa:

inner_join(mutate(clientes, k = 1), mutate(ventas, k = 1), by = "k")
#>    ClienteId.x RazonSocial   Direccion k ClienteId.y Monto
#> 1            1   Cliente 1 Direccion 1 1           1   110
#> 2            1   Cliente 1 Direccion 1 1           2    50
#> 3            1   Cliente 1 Direccion 1 1           3    60
#> 4            1   Cliente 1 Direccion 1 1           5    90
#> 5            2   Cliente 2 Direccion 2 1           1   110
#> 6            2   Cliente 2 Direccion 2 1           2    50
#> 7            2   Cliente 2 Direccion 2 1           3    60
#> 8            2   Cliente 2 Direccion 2 1           5    90
#> 9            3   Cliente 3 Direccion 3 1           1   110
#> 10           3   Cliente 3 Direccion 3 1           2    50
#> 11           3   Cliente 3 Direccion 3 1           3    60
#> 12           3   Cliente 3 Direccion 3 1           5    90
#> 13           4   Cliente 4 Direccion 4 1           1   110
#> 14           4   Cliente 4 Direccion 4 1           2    50
#> 15           4   Cliente 4 Direccion 4 1           3    60
#> 16           4   Cliente 4 Direccion 4 1           5    90
1

Esta propuesta esta basada en el uso del paquete base de R, seguramente hay opciones mejores, pero vamos a ver que tampoco es muy complejo resolverlo así:

Selección de columnas

Muy sencillo, hay que definir las columnas a mostrar construyendo un vector de cualquiera de las formas posibles, pudiendo asimismo modificar el orden.

clientes[,c(2,1)]                        # Col 2 y 1
clientes[,2:1]                           # Col 2 y 1
clientes[,-1]                            # Todas menos la 1
clientes[,c("ClienteId", "RazonSocial")] # por nombre 

Filtro de registros (WHERE)

Los filtros más comunes se mapean fácilmente y son combinables con operadores lógicos && (and), || (or), ! (not)

clientes[clientes$Direccion == "Dirección 2",]                        # =
clientes[clientes$Direccion != "Dirección 2",]                        # <>
clientes[clientes$Direccion %in% c("Dirección 1", "Dirección 2"),]    # IN
clientes[!(clientes$Direccion %in% c("Dirección 1", "Dirección 2")),] # NOT IN
clientes[grep("Dire.*[12]", clientes$Direccion),]                     # Like (regexp)

INNER JOIN

Usando merge podemos resolver cualquier tipo de `JOIN

> merge(x = clientes, y = ventas, by = "ClienteId")

  ClienteId RazonSocial   Direccion Monto
1         1   Cliente 1 Dirección 1   110
2         2   Cliente 2 Dirección 2    50
3         3   Cliente 3 Dirección 3    60

LEFT JOIN

> merge(x = clientes, y = ventas, by = "ClienteId", all.x = TRUE)

  ClienteId RazonSocial   Direccion Monto
1         1   Cliente 1 Dirección 1   110
2         2   Cliente 2 Dirección 2    50
3         3   Cliente 3 Dirección 3    60
4         4   Cliente 4 Dirección 4    NA

RIGHT JOIN

> merge(x = clientes, y = ventas, by = "ClienteId", all.y = TRUE)

  ClienteId RazonSocial   Direccion Monto

1         1   Cliente 1 Dirección 1   110
2         2   Cliente 2 Dirección 2    50
3         3   Cliente 3 Dirección 3    60
4         5        <NA>        <NA>    90

FULL JOIN

> merge(x = clientes, y = ventas, by = "ClienteId", all = TRUE)

  ClienteId RazonSocial   Direccion Monto

1         1   Cliente 1 Dirección 1   110
2         2   Cliente 2 Dirección 2    50
3         3   Cliente 3 Dirección 3    60
4         4   Cliente 4 Dirección 4    NA
5         5        <NA>        <NA>    90

CROSS JOIN

> merge(x = clientes, y = ventas, by = NULL)

   ClienteId.x RazonSocial   Direccion ClienteId.y Monto
1            1   Cliente 1 Dirección 1           1   110
2            2   Cliente 2 Dirección 2           1   110
3            3   Cliente 3 Dirección 3           1   110
4            4   Cliente 4 Dirección 4           1   110
5            1   Cliente 1 Dirección 1           2    50
6            2   Cliente 2 Dirección 2           2    50
7            3   Cliente 3 Dirección 3           2    50
8            4   Cliente 4 Dirección 4           2    50
9            1   Cliente 1 Dirección 1           3    60
10           2   Cliente 2 Dirección 2           3    60
11           3   Cliente 3 Dirección 3           3    60
12           4   Cliente 4 Dirección 4           3    60
13           1   Cliente 1 Dirección 1           5    90
14           2   Cliente 2 Dirección 2           5    90
15           3   Cliente 3 Dirección 3           5    90
16           4   Cliente 4 Dirección 4           5    90

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.