dplyr inner_join 与字符列上的 NA

Posted 2023-02-24

【中文标题】dplyr inner_join 与字符列上的 NA

【英文标题】：dplyr inner_join with NAs on character columns

【发布时间】：2015-08-11 19:28:29

【问题描述】：

我有两个相等的数据框

a <- c(1,2,3)
b <- c(3,2,1)
c <- c('a','b',NA)

df1 <- data.frame(a=a, b=b, c=c, stringsAsFactors=FALSE)
df2 <- data.frame(a=a, b=b, c=c, stringsAsFactors=FALSE)

我想用dplyr::inner_join 来

"返回 x 中 y 中有匹配值的所有行，以及 x 和 y 中的所有列" dplyr documentation

（它们都是平等的）但它似乎不适用于c 列中的NA（类型chr）。这是不加入NAs 的标准行为吗？

例如

library(dplyr)
> inner_join(df1, df2)
Joining by: c("a", "b", "c")
  a b c
1 1 3 a
2 2 2 b

不加入NA。但是，我希望它返回与 merge 相同的值

> merge(df1, df2)
  a b    c
1 1 3    a
2 2 2    b
3 3 1 <NA>

我是否误解了inner_join 在这种情况下的工作方式，并且它的行为与描述的一样吗？

更多细节

inner_join 匹配数字列上的NA

a <- c(1,2,3)
b <- c(3,2,NA)
c <- c('a','b','c')

df1 <- data.frame(a=a, b=b, c=c, stringsAsFactors=FALSE)
df2 <- data.frame(a=a, b=b, c=c, stringsAsFactors=FALSE)

> inner_join(df1, df2)
Joining by: c("a", "b", "c")
  a  b c
1 1  3 a
2 2  2 b
3 3 NA c

编辑

正如@thelatemail 指出的那样，当NA 在因子列中时，inner_join 也可以用作merge

df1 <- data.frame(a=a, b=b, c=c, stringsAsFactors=T)
df2 <- data.frame(a=a, b=b, c=c, stringsAsFactors=T)
inner_join(df1, df2)
Joining by: c("a", "b", "c")
  a b    c
1 1 3    a
2 2 2    b
3 3 3 <NA>

编辑 2

感谢@shadow 指出这是一个已知问题here 和here

【问题讨论】：

很好的问题和很好的例子。有趣的是，inner_join 在使用存储为factors 的字符数据时也可以按预期工作，例如：更改您的第一个示例df1$c <- factor(df1$c); df2$c <- factor(df2$c); inner_join(df1,df2)

这是一个已知问题。见here 或here

谢谢@shadow，我会留意修复的。

你试过最新的开发版 dplyr 吗？ left_join 有一个类似的问题已修复，所以我假设这个问题也可能已修复。

【参考方案1】：

此问题出现在版本 0.4.1 中。这已在 0.4.2 版中得到修复：

sessionInfo()
...
other attached packages:
[1] dplyr_0.4.2
...

> inner_join(df1, df2)
Joining by: c("a", "b", "c")
  a b    c
1 1 3    a
2 2 2    b
3 3 1 <NA>

检查合并：

> merge(df1, df2)
  a b    c
1 1 3    a
2 2 2    b
3 3 1 <NA>

> all.equal(inner_join(df1, df2), merge(df1, df2))
Joining by: c("a", "b", "c")
[1] TRUE