Anti join
W poprzednim ćwiczeniu połączony zbiór danych okazał się mniejszy, niż można było się spodziewać – nie wszystkim artystom przypisano tagi. Anti join to bardzo przydatne narzędzie do wykrywania tego rodzaju problemów.
Anti join zwraca wiersze z pierwszej tabeli, dla których nie znaleziono dopasowania w drugiej tabeli. Zasadę działania ilustruje poniższy diagram.
Anti join należy do kategorii złączeń filtrujących – zwraca zawartość pierwszej tabeli, ale filtruje jej wiersze na podstawie warunków dopasowania.
Składnia anti join jest niemal identyczna jak dla left join: wystarczy zamienić left_join() na anti_join().
anti_join(a_tibble, another_tibble, by = c("id_col1", "id_col2"))
To ćwiczenie jest częścią kursu
Wprowadzenie do Spark z pakietem sparklyr w R
Instrukcje do ćwiczenia
Połączenie ze Sparkiem zostało już utworzone jako spark_conn. Tibble'y powiązane z metadanymi utworów i tagami artystów zapisanymi w Sparku są wstępnie zdefiniowane odpowiednio jako track_metadata_tbl i artist_terms_tbl.
- Użyj anti join, aby połączyć tagi artystów z metadanymi utworów według kolumny
artist_id. Wynik przypisz do zmiennejjoined. - Użyj
sdf_dim(), aby sprawdzić, ile wierszy i kolumn zawiera połączona tabela.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# track_metadata_tbl and artist_terms_tbl have been pre-defined
track_metadata_tbl
artist_terms_tbl
# Anti join artist terms to track metadata by artist_id
joined <- ___
# How many rows and columns are in the joined table?
___