当沿着键连接data.frames,并且一个键具有缺失值(NA)时,我的直觉是具有NA键的行在第二个data.frame中应该没有匹配 . 令我惊讶的是,如果两个data.frame中都有NA,则dplyr将它们匹配,就像它们是值一样 .
这是另外令人困惑的,因为这已经详细讨论了dplyr存储库see here中的问题,它似乎已经解决了!如果是这样,我错过了什么
我正在使用dplyr 0.7.4
t1 <- data.frame(a = as.character(c("1", "2", NA, NA, "4", "2")), b = c(1, 2, 3, 3, 4, 5), stringsAsFactors = FALSE)
t2 <- data.frame(a = as.character(c("1", "2", NA)), c = c("b", "n", "i"), stringsAsFactors = FALSE)
library(dplyr)
t1
#> a b
#> 1 1 1
#> 2 2 2
#> 3 <NA> 3
#> 4 <NA> 3
#> 5 4 4
#> 6 2 5
t2
#> a c
#> 1 1 b
#> 2 2 n
#> 3 <NA> i
left_join(t1, t2, by = "a")
#> a b c
#> 1 1 1 b
#> 2 2 2 n
#> 3 <NA> 3 i
#> 4 <NA> 3 i
#> 5 4 4 <NA>
#> 6 2 5 n
事实上,我会预料到以下情况:
#> a b c
#> 1 1 1 b
#> 2 2 2 n
#> 3 <NA> 3 <NA>
#> 4 <NA> 3 <NA>
#> 5 4 4 <NA>
#> 6 2 5 n
2 回答
解决方案是使用参数
na_matches = "never"
. 这是由Twitter上的Dani Rabaiotti和Hadley Wickham指出的 .该参数记录在
tbl_df
类的left_join
方法中:?left_join.tbl_df
此行为与
merge
相同(尽管有一些重新排序) .您可以通过设置
incomparables=NA
来获得预期的输出:在
dplyr
中,此选项似乎没有记录,但是查看dplyr:::left_join.tbl_df
您可以看到na_matches
看起来很有前景 . 一些玩游戏显示你需要给它值"never"
.