1. Apprendre
    2. /
  2. Cours
    3. /
  3. Introduction à Spark avec sparklyr en R
Connected

Exercice

Anti-jonctions

Dans l'exercice précédent, l'ensemble de données joint n'était pas aussi volumineux que prévu, car tous les artistes n'avaient pas d'étiquettes qui leur étaient associées. Les anti-jonctions sont très utiles pour repérer les problèmes avec d'autres jonctions.

Une anti-jonction retourne les lignes de la première table pour lesquelles aucune correspondance n'est trouvée dans la seconde table. Le principe est illustré dans ce schéma.

An anti join, explained using table of colors.

Les anti-jonctions sont un type de jonction filtrante, puisqu'elles renvoient le contenu de la première table, mais avec des lignes filtrées selon les conditions de correspondance.

La syntaxe d'une anti-jonction ressemble beaucoup à celle d'une jonction à gauche : il suffit de remplacer left_join() par anti_join().

anti_join(a_tibble, another_tibble, by = c("id_col1", "id_col2"))

Instructions

100 XP

Une connexion Spark a été créée pour vous sous le nom spark_conn. Des tibbles reliés aux métadonnées des pistes et aux termes d'artistes enregistrés dans Spark ont été prédéfinis sous les noms track_metadata_tbl et artist_terms_tbl respectivement.

  • Utilisez une anti-jonction pour joindre les termes d'artistes aux métadonnées des pistes par la colonne artist_id. Assignez le résultat à joined.
  • Utilisez sdf_dim() pour déterminer combien de lignes et de colonnes compte la table résultante.