我想使用dplyr
函数inner_join()
将数据表与数据表连接起来。这是我的代码。
library(data.table)
library(dplyr)
DF <- data.frame(x = rep( c("a","b","c"), each=3),
y = rep( c(1,3,6), 3))
DT <- data.table(x = rep( c("a","b","c"), each=3),
y = rep( c(1,3,6), 3))
W <- data.frame(x = c("b","c","d"),
foo = c(4,2,9))
当我尝试加入两个数据框时,inner_join()
按预期工作。
inner_join(DF,W)
Joining by: "x"
x y foo
1 b 1 4
2 b 3 4
3 b 6 4
4 c 1 2
5 c 3 2
6 c 6 2
但是当我尝试将数据框与数据表连接时,inner_join()
会产生意外结果。
inner_join(DT,W)
Joining by: "x"
x y foo
1 b 1 2
2 b 3 2
3 b 6 2
4 c 1 9
5 c 3 9
6 c 6 9
有人可以给我一些提示,为什么会发生这种情况?提前感谢您的时间。
注意:我在MAC Maverick OS X 10.9.4上使用RStudio版本0.98.1056而sessionInfo()
是
R version 3.1.1 (2014-07-10)
Platform: x86_64-apple-darwin13.1.0 (64-bit)
locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] dplyr_0.2 data.table_1.9.2
loaded via a namespace (and not attached):
[1] assertthat_0.1 parallel_3.1.1 plyr_1.8.1 Rcpp_0.11.2 reshape2_1.4
[6] stringr_0.6.2 tools_3.1.1
答案 0 :(得分:5)
大卫提到的关于因子和字符列之间bug in data.table
的内容是正确的,并且它仍然没有修复。但不幸的是,它是 Red Herring ,并且不是您麻烦的根源。
但是,原因是因为inner_join.data.table
中没有dplyr v0.2
方法,因此它会调用inner_join.data.frame
方法(因为data.table
是data.frame
也是require(dplyr) ## 0.2 CRAN
require(data.table) ## 1.9.2
methods(inner_join)
# [1] inner_join.data.frame* inner_join.tbl_df* inner_join.tbl_dt*
# [4] inner_join.tbl_sql*
)。
inner_join(DF, W)
因此,当你这样做时:
inner_join(DT, W)
或
dplyr's
都会调用相同的DF
内部联接实现。
它给出不同结果的原因是因为W
和x
都有DT
作为因素而x
有DF$x
作为字符列。
您可以通过将DF$x = as.character(DF$x)
inner_join(DF, W)
# Joining by: "x"
# x y foo
# 1 b 1 2
# 2 b 3 2
# 3 b 6 2
# 4 c 1 9
# 5 c 3 9
# 6 c 6 9
更改为字符类型来重现此错误:
dplyr
但这似乎已在{{1}}的开发版本中得到修复。