Left join

除了操作單一資料框外，sparklyr 也能把兩個資料框做關聯。想完整學習如何用 dplyr 語法連接資料表，請參考課程［Joining Data with dplyr］(https://www.datacamp.com/courses/joining-data-with-dplyr)。在本章其餘內容中，你會看到幾個在 Spark 上實作的例子。

Left join 會取第一個資料表的所有列，並在第二個資料表中尋找對應鍵的匹配。若找到匹配，就把第二個表的資料加進來；若找不到，則補上遺漏值。下圖示意這個原理。

以色彩表說明的 left join。

Left join 屬於「mutating join」的一種，因為它只是把欄位加到第一個資料表上。要用 sparklyr 進行 left join，呼叫 left_join()，傳入兩個 tibble，以及一個指定連接鍵欄位名稱的字元向量。

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

在文字描述這種連接時，常把表名顛倒來講。上述的連接會寫成「another_tibble 被 left join 到 a_tibble」。

本練習會用到另一個 Spark DataFrame，裡面是描述各個藝人的詞彙。這些詞彙從相當廣泛的標籤（如「pop」）到較小眾的類型（如「swiss hip hop」與「mathgrindcore」）都有。

本練習屬於課程

使用 R 的 sparklyr：Spark 入門

檢視課程

練習說明

已為你建立名為 spark_conn 的 Spark 連線。已將儲存在 Spark 的曲目中繼資料與藝人詞彙分別掛載為 track_metadata_tbl 與 artist_terms_tbl 兩個 tibble。

以 artist_id 欄位進行 left join，將藝人詞彙表連接到曲目中繼資料。
- 要被連接的表 track_metadata_tbl 放在第一個。
- 要連接進去的表 artist_terms_tbl 放在第二個。
- 將結果指定給 joined。
使用 sdf_dim() 來確認合併後資料表的列數與欄數。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# track_metadata_tbl and artist_terms_tbl have been pre-defined
track_metadata_tbl
artist_terms_tbl

# Left join artist terms to track metadata by artist_id
joined <- ___(___, ___, by = ___)

# How many rows and columns are in the joined table?
___

編輯並執行程式碼