扫码加入数据分析学习群

只涉及一张数据表的数据分析是非常罕见的。通常来说，你会有很多个数据表，而且必须

综合使用它们才能回答你所感兴趣的问题。存在于多个表中的这种数据统称为关系数据，

因为重要的是数据间的关系，而不是单个数据集。

关系总是定义于两张表之间。其他所有关系都是建立在这种简单思想之上：三张或更多表

之间的关系总是可以用每两个表之间关系表示出来。有时关系涉及的两个表甚至就是同一

张！例如，如果你有一张人员表，那么其中某个人与其父母的关系就是这种情况。

要想处理关系数据，你需要能够在两张表之间进行的操作。我们设计了三类操作来处理关

系数据。

• 合并连接：向数据框中加入新变量，新变量的值是另一个数据框中的匹配观测。

• 筛选连接：根据是否匹配另一个数据框中的观测，筛选数据框中的观测。

• 集合操作：将观测作为集合元素来处理。

关系数据最常见于关系数据库管理系统（relational database management system， RDBMS），

该系统几乎囊括了所有的现代数据库。如果之前使用过数据库，那你肯定使用过 SQL。如

果是这样的话，你会发现本章中的很多概念都似曾相识，尽管其在 dplyr 中的表达形式略

微不同。一般来说， dplyr 要比 SQL 更容易使用，因为前者是专门用于进行数据分析的。

在进行常用的数据分析操作时， dplyr 非常得心应手，反之，它并不擅长数据分析中不常用

的那些操作。