dplyr joins break 标记列（避风港）答案

【问题标题】：dplyr joins break on labeled columns (haven)dplyr joins break 标记列（避风港）
【发布时间】：2016-05-31 01:43:37
【问题描述】：

如果我使用 haven 读取带有标签的 Stata 或 SAS 数据集，它将（至少在 haven 0.2.0 中）以以下格式读取：

library(dplyr)
df1 <- data_frame(fips = structure(c(1001, 1001, 1001, 1001, 1001),
                                   label = "FIPS (numeric)"),
                  id = structure(letters[1:5], label = "ID"))
df2 <- data_frame(fips = structure(c(1001, 1003, 1005, 1007, 1009),
                                   label = "FIPS (numeric)"),
                  state = structure("AL", label = "State Abbreviation"))

（如有必要，我可以发布一些生成此数据的 Stata 数据，但这应该很容易使用任何标记的 Stata/SAS 数据集进行验证。）

当我尝试使用任何 dplyr 连接函数来连接带标签的列时，我感到非常失望：

df1 %>% inner_join(df2)

返回错误

eval 中的错误（expr，envir，enclos）：无法加入列 'fips' x 'fips'：由于类型不兼容，无法加入 'fips' x 'fips' （数字/数字）

避免它的唯一方法似乎是删除连接变量上的标签：

df1 %>%
  mutate(fips = `attr<-`(fips, 'label', NULL)) %>% 
  inner_join(df2 %>% mutate(fips = `attr<-`(fips, 'label', NULL)))

这提出了为什么首先要阅读标签的问题。（连接也消除了df2 中的标签。）

这似乎是haven 和dplyr 交互方式的错误。有没有更好的解决方案？

【问题讨论】：

更准确地说，这不是dplyr 与结构交互的问题吗，因为它可以在不使用haven 的情况下重现？

标签： r dplyr

【解决方案1】：

尝试将列转换为字符串。这似乎有效

df1$fips<-as.character(df1$fips)
df2$fips<-as.character(df2$fips)
df1 %>% inner_join(df2)

inner_join 的帮助页面确实声明：“要加入的变量的字符向量”

【讨论】：

by 参数需要是字符向量，但没有说变量必须是字符。
你是对的。更深入地研究一下，似乎有一个属性“FIPS（数字）”附加到 FIPS 列。将此设置为 attr(df1$fips, "label")

【解决方案2】：

当 dplyr 连接一个变量时，该变量是一个数据集中的一个因素，另一个数据集中的一个字符，它会发出警告但完成连接。数字和字符向量不是兼容的类，因此会出错。通过将它们都转换为字符，连接可以正常工作

library(dplyr)
df1 %>% 
  mutate(fips = as.character(fips)) %>%
  inner_join(
    df2 %>%
      mutate(fips = as.character)
    )

【讨论】：

两列都是数字

【解决方案3】：

这个问题在某个时候得到了修复，并且在 dplyr 0.7.4 中有效。我无法找到修复它的确切版本。

【讨论】：