inner_join与semi_join的区别是什么？请基于R语言举例说明

先明确两者最关键的差异：

• semi_join(x, y)：只返回x中在y里有匹配的行，而且不管y里对应有多少个匹配结果，x的行只会保留一次
• inner_join(x, y)：保留x中在y里有匹配键的行，但如果y里对应有多个匹配结果，x的行会被重复输出，每一个匹配对应一行

示例代码 #

先构造两个测试数据框：

library(dplyr)

# 用户表x
x <- tibble(
  user_id = c(1, 2, 3, 4),
  name = c("张三", "李四", "王五", "赵六")
)

# 订单表y（用户1有2个订单，用户2有1个订单，用户5是新用户）
y <- tibble(
  order_id = c(101, 102, 103),
  user_id = c(1, 1, 2),
  amount = c(100, 200, 150)
)

执行 semi_join

semi_join(x, y, by = "user_id")

结果：

# A tibble: 2 × 2
  user_id name 
    <dbl> <chr>
1       1 张三
2       2 李四

解释：只保留了x里在y有订单的用户，不管用户有几个订单，每个用户只出现一次。

执行 inner_join

inner_join(x, y, by = "user_id")

结果：

# A tibble: 3 × 4
  user_id name  order_id amount
    <dbl> <chr>    <dbl>  <dbl>
1       1 张三       101    100
2       1 张三       102    200
3       2 李四       103    150

解释：用户1在y里有2个订单，所以x里的用户1行被重复了2次，分别对应两个订单记录；用户2只有1个订单，所以只出现一次。

总结：如果只需要判断x中的行是否在y里存在匹配，不需要关联y的其他数据，用semi_join；如果需要把y的匹配数据和x合并，并且接受x行因y多匹配而重复，用inner_join。

内容的提问来源于stack exchange，提问作者Omar Bensiab