内部连接有data.table方法，它非常节省时间和内存（对于一些更大的data.frames也是必要的）：

library(data.table)
  
dt1 <- data.table(df1, key = "CustomerId") 
dt2 <- data.table(df2, key = "CustomerId")

joined.dt1.dt.2 <- dt1[dt2]

merge也适用于data.tables（因为它是通用的并调用merge.data.table）

merge(dt1, dt2)

stackoverflow上记录的data.table：如何执行data.table合并操作将外键上的SQL联接转换为R data.table语法合并更大数据的有效替代方案。帧R如何在R中与data.table进行基本的左外连接？

另一个选项是plyr包中的join函数。【2022年注意：plyr现已退役，并已被dplyr取代。dplyr中的连接操作在本答案中描述。】

library(plyr)

join(df1, df2,
     type = "inner")

#   CustomerId Product   State
# 1          2 Toaster Alabama
# 2          4   Radio Alabama
# 3          6   Radio    Ohio

类型选项：内部、左侧、右侧、完整。

从…起join：与merge不同，[join]保留x的顺序，无论使用何种连接类型。

在R Wiki上有一些很好的例子。我会在这里偷一对：

合并方法

由于键的名称相同，所以进行内部连接的简单方法是merge（）：

merge(df1, df2)

可以使用“all”关键字创建完整的内部联接（两个表中的所有记录）：

merge(df1, df2, all=TRUE)

df1和df2的左外连接：

merge(df1, df2, all.x=TRUE)

df1和df2的右外连接：

merge(df1, df2, all.y=TRUE)

你可以翻转它们，拍打它们，然后摩擦它们，以获得你询问的其他两个外部连接：）

下标方法

使用下标方法与左边的df1进行左外部连接将是：

df1[,"State"]<-df2[df1[ ,"Product"], "State"]

另一种外部联接的组合可以通过对左外部联接下标示例进行排序来创建。（是的，我知道这相当于说“我会把它作为练习留给读者……”）

在连接两个数据帧时，每个数据帧约有100万行，一个数据帧有2列，另一个数据框约有20行，我惊讶地发现merge（…，all.x=TRUE，all.y=TRUE）比dplyr:：full_join（）更快。这是dplyr v0.4

合并需要约17秒，完全加入需要约65秒。

尽管如此，我还是需要一些食物，因为我通常默认使用dplyr来执行操作任务。

使用merge函数，我们可以选择左表或右表的变量，就像我们熟悉的SQL中的select语句一样（例如：从…中选择a.*…或选择b.*）我们必须添加额外的代码，这些代码将从新连接的表中子集。SQL:-从df1中选择a.*a内部联接df2 b，位于a.CustomerId=b.CustomerIdR：-mmerge（df1，df2，按.x=“CustomerId”，按.y=“CustomerId）[，名称（df1）]

同样的方式

SQL：-从df1中选择b.*a内部联接df2 b，位于a.CustomerId=b.CustomerIdR：-mmerge（df1，df2，by.x=“CustomerId”，by.y=“客户ID”）[，名称（df2）]

你也可以使用哈德利·威克姆（Hadley Wickham）很棒的dplyr包来完成连接。

library(dplyr)

#make sure that CustomerId cols are both the same type
#they aren’t in the provided data (one is integer and one is double)
df1$CustomerId <- as.double(df1$CustomerId)

可变联接：使用df2中的匹配项将列添加到df1

#inner
inner_join(df1, df2)

#left outer
left_join(df1, df2)

#right outer
right_join(df1, df2)

#alternate right outer
left_join(df2, df1)

#full join
full_join(df1, df2)

过滤联接：过滤掉df1中的行，不修改列

#keep only observations in df1 that match in df2.
semi_join(df1, df2)

#drop all observations in df1 that match in df2.
anti_join(df1, df2)

内部连接有data.table方法，它非常节省时间和内存（对于一些更大的data.frames也是必要的）：

library(data.table)
  
dt1 <- data.table(df1, key = "CustomerId") 
dt2 <- data.table(df2, key = "CustomerId")

joined.dt1.dt.2 <- dt1[dt2]

merge也适用于data.tables（因为它是通用的并调用merge.data.table）

merge(dt1, dt2)

stackoverflow上记录的data.table：如何执行data.table合并操作将外键上的SQL联接转换为R data.table语法合并更大数据的有效替代方案。帧R如何在R中与data.table进行基本的左外连接？

另一个选项是plyr包中的join函数。【2022年注意：plyr现已退役，并已被dplyr取代。dplyr中的连接操作在本答案中描述。】

library(plyr)

join(df1, df2,
     type = "inner")

#   CustomerId Product   State
# 1          2 Toaster Alabama
# 2          4   Radio Alabama
# 3          6   Radio    Ohio

类型选项：内部、左侧、右侧、完整。

从…起join：与merge不同，[join]保留x的顺序，无论使用何种连接类型。