当然这不是故意的吗?这是dplyr
功能的其他部分发生的事情,我应该关注吗?我喜欢性能和仇恨data.table
语法。是否有dplyr
和data.table
的替代方案,目前使用安全且性能仍然很高?
A <- structure(list(ORDER = c(30305720L, 30334659L, 30379936L,
30406397L, 30407697L, 30431950L),
COST = c("0", "", "11430.52", "20196.279999999999", "0", "10445.99")),
.Names = c("ORDER", "COST"),
row.names = c(NA, 6L),
class = "data.frame")
B <- structure(list(ORDER = c(30334659, 30379936, 30406397, 30407697, 30431950),
AREA = c(0, 2339, 2162, 23040, 475466)),
.Names = c("ORDER", "AREA"),
row.names = c(4L, 8L, 11L, 12L, 15L),
class = c("tbl_df", "tbl", "data.frame"))
垃圾结果:
left_join(A, B)
ORDER COST AREA
1 30305720 0 NA
2 30334659 NA
3 30379936 11430.52 NA
4 30406397 20196.279999999999 NA
5 30407697 0 NA
6 30431950 10445.99 NA
有效结果:
merge(A, B, all.x=T, all.y=F)
ORDER COST AREA
1 30305720 0 NA
2 30334659 0
3 30379936 11430.52 2339
4 30406397 20196.279999999999 2162
5 30407697 0 23040
6 30431950 10445.99 475466
答案 0 :(得分:14)
我前几天贴了类似的东西。我认为你需要做的是将ORDER作为数字(或者可能反过来)。 A有ORDER有整数。但是B将ORDER作为数字。目前,dplyr
要求您在同一个类中包含分组变量。我收到了SO用户的评论,说这是哈德利和他的团队现在正在努力的事情。这个问题将在未来修复。
A$ORDER <- as.numeric(A$ORDER)
left_join(A,B, by = "ORDER")
ORDER COST AREA
1 30305720 0 NA
2 30334659 0
3 30379936 11430.52 2339
4 30406397 20196.279999999999 2162
5 30407697 0 23040
6 30431950 10445.99 475466
<强>更新强> 在与thelatemail交换评论后,我决定在这里添加更多观察。
案例1:将ORDER视为数字
A$ORDER <- as.numeric(A$ORDER)
> left_join(A,B, by = "ORDER")
ORDER COST AREA
1 30305720 0 NA
2 30334659 0
3 30379936 11430.52 2339
4 30406397 20196.279999999999 2162
5 30407697 0 23040
6 30431950 10445.99 475466
> left_join(B,A, by = "ORDER")
Source: local data frame [5 x 3]
ORDER AREA COST
1 30334659 0
2 30379936 2339 11430.52
3 30406397 2162 20196.279999999999
4 30407697 23040 0
5 30431950 475466 10445.99
如果在A和B中都有ORDER作为整数,那也可以。
案例2:将ORDER视为整数和数字
> left_join(A,B, by = "ORDER")
ORDER COST AREA
1 30305720 0 NA
2 30334659 NA
3 30379936 11430.52 NA
4 30406397 20196.279999999999 NA
5 30407697 0 NA
6 30431950 10445.99 NA
> left_join(B,A, by = "ORDER")
Source: local data frame [5 x 3]
ORDER AREA COST
1 30334659 0
2 30379936 2339 11430.52
3 30406397 2162 20196.279999999999
4 30407697 23040 0
5 30431950 475466 10445.99
根据thelatemail的建议,整数/数字组合不起作用。但数字/整数组合有效。
鉴于这些观察结果,目前在逐个变量中保持一致是安全的。或者,merge()
是可行的方法。它可以处理整数和数字。
> merge(A,B, by = "ORDER", all = TRUE)
ORDER COST AREA
1 30305720 0 NA
2 30334659 0
3 30379936 11430.52 2339
4 30406397 20196.279999999999 2162
5 30407697 0 23040
6 30431950 10445.99 475466
> merge(B,A, by = "ORDER", all = TRUE)
ORDER AREA COST
1 30305720 NA 0
2 30334659 0
3 30379936 2339 11430.52
4 30406397 2162 20196.279999999999
5 30407697 23040 0
6 30431950 475466 10445.99
UPDATE2(截至2014年11月8日)
我使用的是dplyr
(dplyr_0.3.0.9000)的开发版,您可以从Github下载。
上面的问题现在已经解决了。
left_join(A,B, by = "ORDER")
# ORDER COST AREA
#1 30305720 0 NA
#2 30334659 0
#3 30379936 11430.52 2339
#4 30406397 20196.279999999999 2162
#5 30407697 0 23040
#6 30431950 10445.99 475466
答案 1 :(得分:0)
<强>
left_join()
强>返回
x
的所有行以及x
和y
的所有列。x
中的y
中没有匹配的行将在新列中包含NA
个值。如果x
和y
之间存在多个匹配项,则会返回所有匹配项的组合。<强>
semi_join()
强>返回
x
中y
中匹配值的所有行,只保留x
中的列。半连接与内连接不同,因为内连接将为
x
的每个匹配行返回y
的一行,其中半连接永远不会复制x
的行
semi_join()
对您来说是一个有价值的选择吗?