针对right_join和mutate不会保留R中的索引这个问题，本篇文章进行了详细的解答，同时本文还将给你拓展(转载)Mysql----Join用法(Innerjoin,Leftjoin,Right

针对right_join和mutate不会保留R中的索引这个问题，本篇文章进行了详细的解答，同时本文还将给你拓展(转载) Mysql----Join用法(Inner join,Left join,Right join, Cross join, Union模拟Full join)及---性能优化、Binary XML file line #2: You must supply a layout_height attribute inflate、Hive的join操作，left join,right join,inner join、inner join 与 left join 和 right join 之间的区别等相关知识，希望可以帮助到你。

• right_join和mutate不会保留R中的索引
• (转载) Mysql----Join用法(Inner join,Left join,Right join, Cross join, Union模拟Full join)及---性能优化
• Binary XML file line #2: You must supply a layout_height attribute inflate
• Hive的join操作，left join,right join,inner join
• inner join 与 left join 和 right join 之间的区别

right_join和mutate不会保留R中的索引

对于dplyr，如果您执行right_join(x,y)，则结果将包括x的匹配行的子集，然后是y的不匹配行的子集。

从R文档中有关变异联接的文档中，返回的值为：

与x具有相同类型的对象。的行和列的顺序 x尽可能保留。输出具有以下内容 属性：

对于inner_join（），是x行的子集。对于left_join（），所有x行。对于 right_join（），x行的子集，后跟不匹配的y行。对于 full_join（），全部x行，后跟不匹配的y行。

这就是为什么在结果data.frame的开头有3个匹配的行。

要获得期望的结果并保留df的行顺序，请尝试使用left_join，如下所示：

df2 <- stack(master) %>% 
  type.convert(as.is = TRUE) 

df %>%
  left_join(df2,by = c('column' = 'values')) %>%
  mutate(output = coalesce(ind,column))

输出

   column    ind output
1           <NA>       
2           <NA>       
3           <NA>       
4           <NA>       
5           <NA>       
6           <NA>       
7           <NA>       
8           <NA>       
9           <NA>       
10          <NA>       
11          <NA>       
12          <NA>       
13          <NA>       
14          <NA>       
15          <NA>       
16          <NA>       
17      P Parent Parent
18      C  Child  Child
19      C  Child  Child

(转载) Mysql----Join用法(Inner join,Left join,Right join, Cross join, Union模拟Full join)及---性能优化

http://blog.csdn.net/ochangwen/article/details/52346610

前期数据准备

CREATE TABLE  atable(
aID int( 1 ) AUTO_INCREMENT PRIMARY KEY ,
aNum char( 20 ));

CREATE TABLE btable(
bID int( 1 ) NOT NULL AUTO_INCREMENT PRIMARY KEY ,
bName char( 20 ) );

INSERT INTO atable
VALUES ( 1, ''a20050111'' ) , ( 2, ''a20050112'' ) , ( 3, ''a20050113'' ) , ( 4, ''a20050114'' ) , ( 5, ''a20050115'' ) ;

INSERT INTO btable
VALUES ( 1, '' 2006032401'' ) , ( 2, ''2006032402'' ) , ( 3, ''2006032403'' ) , ( 4, ''2006032404'' ) , ( 8, ''2006032408'' ) ;

-------------------------------------------------------------------------------------------

atable:左表；btable:右表。
JOIN 按照功能大致分为如下三类：
  1).inner join(内连接,或等值连接)：取得两个表中存在连接匹配关系的记录。
  2).left  join(左连接)：取得左表（atable）完全记录，即是右表（btable）并无对应匹配记录。
  3).right join(右连接)：与 LEFT JOIN 相反，取得右表（btable）完全记录，即是左表（atable）并无匹配对应记录。
注意：mysql不支持Full join,不过可以通过 union 关键字来合并 left join 与 right join来模拟full join.

一、Inner join

  内连接，也叫等值连接，inner join产生同时符合A和B的一组数据。
  接下来给出一个列子用于解释下面几种分类。如下两个表(A,B)

二、Left join

  left join,（或left outer join:在Mysql中两者等价，推荐使用left join.）左连接从左表(A)产生一套完整的记录,与匹配的记录(右表(B)) .如果没有匹配,右侧将包含null。

------------------------------------------------------------------------------------------------------------

  2).如果想只从左表(A)中产生一套记录，但不包含右表(B)的记录，可以通过设置where语句来执行，如下

-----------------------------------------------------------------------------------------

同理，还可以模拟inner join. 如下：

------------------------------------------------------------------------------------------

三、Right join

  同Left join

四、差集

-----------------------------------------------------------------------------------

五.Cross join

  交叉连接，得到的结果是两个表的乘积，即笛卡尔积

    笛卡尔（Descartes）乘积又叫直积。假设集合A={a,b}，集合B={0,1,2}，则两个集合的笛卡尔积为{(a,0),(a,1),(a,2),(b,0),(b,1), (b,2)}。可以扩展到多个集合的情况。类似的例子有，如果A表示某学校学生的集合，B表示该学校所有课程的集合，则A与B的笛卡尔积表示所有可能的选课情况。

    实际上，在 MySQL 中（仅限于 MySQL） CROSS JOIN 与 INNER JOIN 的表现是一样的，在不指定 ON 条件得到的结果都是笛卡尔积，反之取得两个表完全匹配的结果。    inner join 与 cross join 可以省略 inner 或 cross关键字，因此下面的 SQL 效果是一样的：

六.union实现Full join

    全连接产生的所有记录（双方匹配记录）在表A和表B。如果没有匹配,则对面将包含null。与差集类似。

--------------------------------------------------------------------------------------------------------

七.性能优化

  1.显示(explicit) inner join VS 隐式(implicit) inner join

VS

    数据库中比较(10w数据)得之，它们用时几乎相同，第一个是显示的inner join，后一个是隐式的inner join。
2.left join/right join VS inner join
    尽量用inner join.避免 left join 和 null.

    在使用left join（或right join）时，应该清楚的知道以下几点：

(1). on与 where的执行顺序
    ON 条件（“A LEFT JOIN B ON 条件表达式”中的ON）用来决定如何从 B 表中检索数据行。如果 B 表中没有任何一行数据匹配 ON 的条件,将会额外生成一行所有列为 NULL 的数据,在匹配阶段 WHERE 子句的条件都不会被使用。仅在匹配阶段完成以后，WHERE 子句条件才会被使用。它将从匹配阶段产生的数据中检索过滤。
    所以我们要注意：在使用Left (right) join的时候，一定要在先给出尽可能多的匹配满足条件，减少Where的执行。如：

下面这种写法更省时

(2).注意ON 子句和 WHERE 子句的不同

    从上可知，第一条查询使用 ON 条件决定了从 LEFT JOIN的 product_details表中检索符合的所有数据行。第二条查询做了简单的LEFT JOIN，然后使用 WHERE 子句从 LEFT JOIN的数据中过滤掉不符合条件的数据行。
(3).尽量避免子查询，而用join
    往往性能这玩意儿，更多时候体现在数据量比较大的时候，此时，我们应该避免复杂的子查询。如下：

下面这个更好

Binary XML file line #2: You must supply a layout_height attribute inflate

Android开发中遇到的奇葩问题之一：

java.lang.NullPointerException，java.lang.RuntimeException:Binary XML file line #2: You must supply a layout_height attribute inflate，

遇到这个问题说明你在非主流上测试，或者说是在部分模拟器上测试，或者是在写布局文件的时候少了什么东西，比如是写成这样的：

<Button xmlns:android="http//schemas.android.com/apk/res/android"
android:layout_width="30dp"
android:layout_height="10dp"
android:text="test" />

那你只是需要改成这样的 (区别是http后面少了冒号哈哈哈哈哈哈)

<Button xmlns:android="http://schemas.android.com/apk/res/android"
android:layout_width="30dp"
android:layout_height="10dp"
android:text="test" />

或者这样的错误

<LinearLayoutxmlns:android="http://schemas.android.com/apk/res/android">
android:layout_width="20dp"
android:layout_height="5dp"
android:id="@+id/tablerow01">

其他的遇到的情况是如果不是在include的时候出现的那么请关闭浏览器标签，重新找解决方案，否则请听我重现我的bug。

情景重现：我在添加布局的时候是这么写的

<include
android:id="@+id/test"
layout="@layout/activity_base"></include>

然后，在大部分的测试机上跑起来都是正常的，当用到OPPO A31 手机的时候报错，错误就是以上显示的。

这个时候只需要这只include的width和height属性就好就像这样

<include
 android:id="@+id/test"
 layout="@layout/activity_base"
 android:layout_width="match_parent"
 android:layout_height="30dp"></include>

（PS ：如果写成如下情况也还是原来的错误）

<include
 android:id="@+id/test"
 layout="@layout/activity_base"
 android:layout_width="match_parent"
 android:layout_height="@dimen/fab_margin"></include>

这个错误具体的原理我百思不得其解，如有解决希望多交流（PoarryScript@gmail.com）

Hive的join操作，left join,right join,inner join

hive执行引擎会将hql转化成mapreduce作业

map side join除外，map负责分发数据，具体的join在reduce端进行

1.如果多表基于不同的列做join,则无法在一轮mapreduce将相关数据shuffle到统一一个reducer,对于多表的join,hive会将前面的表缓存在reducer的内存中，然后后面的表会流式的进入reducer做join.为了防止oom,通常将大表放在最后。

hive中分为map join和common join

common join

map阶段：

读取源表数据，

map输出以join on条件中的列为key,如果join有多个关联键，则以这些关联键的组合作为key.

value为 join之后所关心的列，也会包含tag信息，用于标注value对应哪个表

按key进行排序

shuffle阶段：

根据key进行hash,根据hash推送到不同的reduce中，保证两个表中相同的key在同一个reduce中

reduce阶段：

通过key完成join,通过tag来识别不同表的数据

map join

通常用于一个小表join大表，小表标准由hive.mapjoin.smalltable.filesize决定，设置hive.auto.convert.join为true,小表达到标准会自动转为mapjoin

mapjoin可以看做broadcast join,将小表数据加载到内存，没有shuffle过程，加快处理速度，但是数据量大容易出现oom，

普通join会有shuffle,影响效率，同时会出现数据倾斜

inner join 与 left join 和 right join 之间的区别

OSC 请你来轰趴啦！1028 苏州源创会，一起寻宝 AI 时代

要对这个理解之前，我们先对相关连接来做一个回忆。

首先做试验的两张表数据如下：student 表和对应的 grade 成绩表

1：inner join ，inner join 可以理解为 “有效的连接”，就是根据 on 后面的关联条件，两张表中都有的数据才会显示，下面举个例子

SELECT
	*
FROM
	student stu
 INNER JOIN grade gra on stu.id = gra.c_stuId

　查询结果如下：

可以看到，id=3 的这条数据并没有查出来，这是因为在 grade 里面，c_stuId 并没有等于 3 的这条数据。根据上面也可以看出，其实 INNER JOIN 可以直接用 where 来替代。

2：left join：理解为 “主全显，后看 on”(主表数据不受影响)，即主表全显示，连接后的表看 on 后面的选择条件，left join 后面的条件，并不会影响左表的数据显示，左表数据会全部显示出来，连接的表如果没有数据，则全部显示为 null，看下面例子：

SELECT
	*
FROM
	student stu
 LEFT JOIN grade gra on stu.id = gra.c_stuId

　结果如下：

可以看出，左表 student 数据全部都显示出来，而连接的表，注意看红色部分，因为没有数据，则全部显示为 null。这也和刚刚说的想符合，连接的主表 student 数据不受影响，全显示，连接后的表数据看 on 后面的条件。

 3：right join  right join 理解为 “主看 on, 后全显”(右表数据不受影响)，即右表数据全部显示，主表数据看 on 后面的选择条件，看下面例子：

1 SELECT
2     *
3 FROM
4     student stu
5  RIGHT JOIN grade gra on stu.id = gra.c_stuId

可以看出。right join 对右边连接的 grade 表数据没有影响，全部显示出来，而对左表的数据则是根据筛选后的条件来显示，其余的显示为 null；

综上，可以对他们之间的使用有较基础的理解。

今天关于right_join和mutate不会保留R中的索引的分享就到这里，希望大家有所收获，若想了解更多关于(转载) Mysql----Join用法(Inner join,Left join,Right join, Cross join, Union模拟Full join)及---性能优化、Binary XML file line #2: You must supply a layout_height attribute inflate、Hive的join操作，left join,right join,inner join、inner join 与 left join 和 right join 之间的区别等相关知识，可以在本站进行查询。