Question

当沿着键加入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。

这是一个额外的混乱，因为这已经详细讨论了dplyr存储库see here中的问题，似乎已经解决了！如果是这样，我没有看到这是正确的解决方案;或许我错过了什么

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，我原本期望以下内容：

#>      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

Answer 1

解决方案是使用参数na_matches = "never"。 Dani Rabaiotti和Hadley Wickham在Twitter上指出了这一点。

left_join类的tbl_df方法记录了此参数：?left_join.tbl_df

Answer 2

此行为与merge相同（尽管有一些重新排序）。

merge(t1,t2,all.x=T)
     a b    c
1    1 1    b
2    2 2    n
3    2 5    n
4    4 4 <NA>
5 <NA> 3    i
6 <NA> 3    i

您可以通过设置incomparables=NA：

来获得预期的输出

merge(t1,t2,all.x=T,incomparables=NA)
     a b    c
1    1 1    b
2    2 2    n
3    2 5    n
4    4 4 <NA>
5 <NA> 3 <NA>
6 <NA> 3 <NA>

在dplyr中，此选项似乎没有记录，但查看dplyr:::left_join.tbl_df您可以看到na_matches看起来很有希望。一些玩游戏显示你需要给它值"never"。

left_join(t1,t2,by="a",na_matches="never")
     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

dplyr left_join匹配NA

2 个答案: