Question

我编写的代码在高吞吐量生产环境中运行，可以处理来自多个用户的各种输入。在这种环境中，我经常需要连接（使用dplyr）两个多列数据帧，这些数据帧具有不匹配类型的连接列，从而产生此错误。＆＃34;无法加入...因为类型不兼容＆＃34;

生产代码应该处理150列以上0-1000行的输入csv，具有12-20个连接列。我使用read.table来提高速度，并且因为150列的内容可以变化，所以允许类型由数据内容推断。

如果有一个通用的函数以编程方式匹配连接列类型，那么就不会对列名或位置做出任何假设。

Answer 1

如果问题是在读取数据后未正确检测到列类 - 您可以在数据读取步骤中为每列指定类。

因此，使用function is_curl() { if (stristr($_SERVER["HTTP_USER_AGENT"], 'curl')) return true; }函数，您可以这样做：

read.csv()

在此df1 <- read.csv("data.csv", colClasses=c("numeric", "Date", "character")) df2 <- read.csv("data.csv", colClasses=c("numeric", "Date", "character"))之后，df1将包含相同类型的列。

这里的类只是一个示例，您必须指定适用于您的数据的类。

另请查看df2

Answer 2

这是一个经常被查看的问题，因此很多其他人必须遇到错误，所以应该得到更完整的答案。

纠正此连接错误的简单解决方案是简单地改变导致问题的列的类。这可以按如下方式完成：

瞥见要加入的数据框中的列类
使用as.numeric，as.logical或as.character来修改列类以进行匹配。例如：
```
df2 <- df2 %>%  
    mutate(column1 = as.numeric(column1))
```

生产环境的解决方案在显示的matchColClasses函数中，它执行以下操作：

标识共享相同名称的列（sharedColNames）
使用主数据框（df1）标识共享列类

在df2中重新分配列类以匹配df1

matchColClasses <- function(df1, df2) {

  sharedColNames <- names(df1)[names(df1) %in% names(df2)]
  sharedColTypes <- sapply(df1[,sharedColNames], class)

  for (n in sharedColNames) {
     class(df2[, n]) <- sharedColTypes[n]
  }

  return(df2)
 }

此功能在我们的生产环境中运行良好，具有异构数据类型;字符，数字和逻辑。

R错误＆＃34;无法加入......因为类型不兼容＆＃34;

2 个答案: