R 为什么data.table的内部连接行为不同？_R_Inner Join_Data.table_Dplyr

R 为什么data.table的内部连接行为不同？

R 为什么data.table的内部连接行为不同？,r,inner-join,data.table,dplyr,R,Inner Join,Data.table,Dplyr,我想使用dplyr函数internal\u join（）将数据帧与数据表连接起来。这是我的密码 library(data.table) library(dplyr) DF <- data.frame(x = rep( c("a","b","c"), each=3), y = rep( c(1,3,6), 3)) DT <- data.table(x = rep( c("a","b","c"), each=3),

我想使用

dplyr

函数

internal\u join（）

将数据帧与数据表连接起来。这是我的密码

library(data.table)
library(dplyr)

DF <- data.frame(x = rep( c("a","b","c"), each=3), 
                 y = rep( c(1,3,6), 3))

DT <- data.table(x = rep( c("a","b","c"), each=3), 
                 y = rep( c(1,3,6), 3))

W <- data.frame(x = c("b","c","d"), 
              foo = c(4,2,9))

但当我尝试将数据帧与数据表联接时，

internal\u join（）

会给出意外的结果

inner_join(DT,W)

Joining by: "x"
  x y foo
1 b 1   2
2 b 3   2
3 b 6   2
4 c 1   9
5 c 3   9
6 c 6   9

谁能告诉我为什么会发生这种事？提前感谢您抽出时间

注意：我在MAC Maverick OS X 10.9.4上使用的是RStudio版本0.98.1056，

sessionInfo（）
R version 3.1.1 (2014-07-10)
Platform: x86_64-apple-darwin13.1.0 (64-bit)

locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] dplyr_0.2        data.table_1.9.2

loaded via a namespace (and not attached):
[1] assertthat_0.1 parallel_3.1.1 plyr_1.8.1     Rcpp_0.11.2    reshape2_1.4  
[6] stringr_0.6.2  tools_3.1.1   

David提到的“因子”和“字符”列之间的关系是正确的，它仍然没有固定。但不幸的是，这是一条红鲱鱼，而不是你麻烦的根源
然而，这是因为在dplyrv0.2
中没有internal\u join.data.table
方法，因此它调用internal\u join.data.frame
方法（因为data.table
也是data.frame
）
因此，当您这样做时：
inner_join(DF, W)

或
两者都调用相同的dplyr的
内部联接实现
它给出不同结果的原因是DF
和W
都将x
作为因子，DT
将x
作为字符列
通过将DF$x
更改为字符类型，可以重现此错误：
DF$x = as.character(DF$x)
inner_join(DF, W)
# Joining by: "x"
#   x y foo
# 1 b 1   2
# 2 b 3   2
# 3 b 6   2
# 4 c 1   9
# 5 c 3   9
# 6 c 6   9

但这似乎在dplyr
的开发版本中得到了修复，这是因为数据表中的一个错误导致了字符类与因子类合并时出现错误的结果。尝试将DT
更改为DT谢谢@davidernburg，你的评论解决了我的问题。要明确的是，@davidernburg的评论（部分）是正确的，当x
的键列是一个因子，而相应的i
的列是字符时，x[i]
返回错误的结果（这是data.table中的一个错误），这是在转移视线，与你的例子无关。相反，这是由于dplyr
中的一个bug造成的，该bug自那时起已被修复。感谢@Arun的解释。这确实帮助我理解了@David的评论。我对data.table
的理解是，它也是一个data.frame
。现在，如果默认情况下data.frame
读取文本作为因子，那么data.table
是否应该默认执行相同的操作？或者我还遗漏了什么？大卫的评论与你的问题无关。请再读一遍答案。大卫的建议解决了我的问题。我同意他的第一条评论所指出的可能不是我问题的根源。这似乎在开发版本中得到了修复（至少现在有了一个内部连接.data.table）的方法）。
inner_join(DF, W)

inner_join(DT, W)

DF$x = as.character(DF$x)
inner_join(DF, W)
# Joining by: "x"
#   x y foo
# 1 b 1   2
# 2 b 3   2
# 3 b 6   2
# 4 c 1   9
# 5 c 3   9
# 6 c 6   9