R：*_join (dplyr) 的标准评估

Question

当连接变量名称不同并存储在另一个变量中时，如何使用 dplyr 中的 *_join() 连接 2 个表？

例如

df1 = data_frame(x1 = 1:10,y1 = 21:30)
df2 = data_frame(x2 = 6:15,y2 = 26:35)
df3 = data_frame(x1 = 6:15,y2 = 26:35)

var1 = "x1"
var2 = "x2"

df1 %>% left_join(df3,by=c(var1)) # #1 works

但这会出错 -

df1 %>% left_join(df2,by=c(var1 = var2)) # #2 doesn't work
Error: cannot join on columns 'x2' x 'var1': index out of bounds

令人惊讶的是，这行得通 -

df1 %>% left_join(df2,by=c("x1" = var2)) # #3 works

Answer 1

这里的问题是，如果公共列在 data.frames 中有不同的名称，则必须提供命名向量。看看你的例子会发生什么：

直接提供名称时有效：

df1 %>% left_join(df2, by = c("x1" = "x2"))
#Source: local data frame [10 x 3]
#
#   x1 y1 y2
#1   1 21 NA
#2   2 22 NA
#3   3 23 NA
#4   4 24 NA
#5   5 25 NA
#6   6 26 26
#7   7 27 27
#8   8 28 28
#9   9 29 29
#10 10 30 30

您提供的命名向量是：

c("x1" = "x2")
#  x1 
#"x2" 

现在如果你使用字符向量，命名向量变为：

var1 = "x1"
var2 = "x2"

c(var1 = var2)
#var1             # <~~ this is why it doesn't work
#"x2"

我不知道目前在 dplyr 中是否有一种“干净”的方法来解决这个问题。一种解决方法是根据需要进行以下调整以构造命名向量：

df1 %>% left_join(df2, by = setNames(var2, var1))
#Source: local data frame [10 x 3]
#
#   x1 y1 y2
#1   1 21 NA
#2   2 22 NA
#3   3 23 NA
#4   4 24 NA
#5   5 25 NA
#6   6 26 26
#7   7 27 27
#8   8 28 28
#9   9 29 29
#10 10 30 30

之所以有效，是因为：

setNames(var2, var1)
#  x1 
#"x2" 

希望对你有帮助。

---

注意：你可以像这样对names<- 做同样的事情：

df1 %>% left_join(df2, by = `names<-`(var2, var1))

但 Hadley 建议改用 setNames 方法。