Question

当两个数据框由数字列合并时（默认情况下），它们按该列排序为数字。但是，如果将两个数字列用作by，那么它会导致不同的排序（事实上，似乎数字列被转换为字符串并按此排序）。这是预期的，还是一个错误？

例如，请考虑以下两个数据框：

A <- data.frame(a = 1:12, b = 1, x = runif(12))
B <- data.frame(a = 1:12, b = 1, y = runif(12))

然后merge(A, B, by = 'a')产生具有值a的数据帧，其值为1,2，...，9,10,11,12（即，预期的数字排序）。但是，merge(A, B, by = c('a', 'b'))会生成一个数据框，其中列a的值为1,10,11,12,2,3，...，8,9（即与{{1相同的顺序） }}）。

Answer 1

我想这是一个功能，而不是merge的错误。

检查merge的源代码表明，在使用多列进行合并的情况下，使用paste()将“关键”列内部合并到一个向量中。

例如，数据框a中的列b和A将由字符串"1\r1" "2\r1" "3\r1" "4\r1" "5\r1" "6\r1" "7\r1" "8\r1" "9\r1" "10\r1" "11\r1" "12\r1"表示。

merge使用此字符串对结果数据框进行排序，这就是它以字母顺序结束的方式。

如果仅合并一列，则无需使用paste，因此使用列的原始类型执行排序。

以下是merge源代码的相关部分（可以通过在R控制台中运行merge.data.frame无括号来获取全文）

    if (l.b == 1L) {
        bx <- x[, by.x]
        if (is.factor(bx)) 
            bx <- as.character(bx)
        by <- y[, by.y]
        if (is.factor(by)) 
            by <- as.character(by)
    }
    else {
        if (!is.null(incomparables)) 
            stop("'incomparables' is supported only for merging on a single column")
        bx <- x[, by.x, drop = FALSE]
        by <- y[, by.y, drop = FALSE]
        names(bx) <- names(by) <- paste0("V", seq_len(ncol(bx)))
        bz <- do.call("paste", c(rbind(bx, by), sep = "\r"))
        bx <- bz[seq_len(nx)]
        by <- bz[nx + seq_len(ny)]
    }

Answer 2

使用dplyr包，我们可以得到以下结果

library("dplyr", lib.loc="~/R/win-library/3.2")

full_join(A, B, by=c("a", "b"))

     a b          x           y
    1   1 1 0.39907404 0.700782559
    2   2 1 0.84429488 0.600727090
    3   3 1 0.32232471 0.141495156
    4   4 1 0.74214210 0.262601640
    5   5 1 0.92944116 0.779255689
    6   6 1 0.10902661 0.001185645
    7   7 1 0.46336478 0.961711785
    8   8 1 0.58396008 0.211824751
    9   9 1 0.63126074 0.422233784
    10 10 1 0.09995935 0.179069642
    11 11 1 0.40832159 0.581116173
    12 12 1 0.48440814 0.004372634

多列合并会导致奇怪的排序

2 个答案: