使用dplyr :: left_join（R lang）与SQL LEFT JOIN

Question

我想离开加入两个数据框，两边的连接列中可能有NA个（即两个code列）

a <- data.frame(code=c(1,2,NA))
b <- data.frame(code=c(1,2,NA, NA), name=LETTERS[1:4])

使用dplyr，我们得到：

left_join(a, b, by="code")

  code name
1    1    A
2    2    B
3   NA    C
4   NA    D

使用SQL，我们得到：

CREATE TABLE a (code INT);
INSERT INTO a VALUES (1),(2),(NULL);
CREATE TABLE b (code INT, name VARCHAR);
INSERT INTO b VALUES (1, 'A'),(2, 'B'),(NULL, 'C'), (NULL, 'D');
SELECT * FROM a LEFT JOIN b USING (code);

似乎dplyr加入不会将NA视为SQL NULL值。

1. 有没有办法让dplyr的行为方式与SQL相同？
2. 这种NA治疗背后的理由是什么？

PS。当然，我可以先删除NAs到达那里left_join(a, na.omit(b), by="code")，但这不是我的问题。

Answer 1

在SQL中，＆＃34; null＆＃34;什么都不匹配，因为SQL没有关于它应该连接到什么的信息 - 因此在你的连接数据集中得到的＆＃34; null＆＃34;就像在右边没有匹配的情况下执行左外连接一样数据集。

然而，在R中，＆＃34; NA＆＃34;的默认行为当谈到连接几乎就像把它当作一个数据点（例如一个空操作符），所以＆＃34; NA＆＃34;会匹配＆＃34; NA＆＃34;。例如，

> match(NA, NA)
[1] 1

您可以绕过这种方法的一种方法是使用基本合并方法，

> merge(a, b, by="code", all.x=TRUE, incomparables=NA)
  code name
1    1    A
2    2    B
3   NA <NA>

＆＃34;不兼容＆＃34;这里的参数允许你定义不能匹配的值，并且基本上迫使R来处理＆＃34; NA＆＃34; SQL处理＆＃34; null＆＃34;的方式。看起来似乎不兼容的功能在left_join中实现，但它的名称可能不同。

Answer 2

默认情况下，列代码具有主键，因此不接受NULL值