dplyr 0.3 can not inner_join data.table？ [英] dplyr 0.3 cannot inner_join data.table?

问题描述

我有以下设置和dplyr（0.3）和data.table（1.9.3）加载。

  R版本3.1.1（2014-07-10）
平台：x86_64-apple-darwin10.8.0（64位）
 
语言环境：
 [1] en_US.UTF-8 /en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8 
 
附加的基础包：
 [1] stats graphics grDevices utils数据集方法base 
 
其他附加包：
 [1] data.table_1.9.3 dplyr_0.3 
 
通过命名空间加载（未附加）：
 [1] assertthat_0.1 DBI_0.3.1 magrittr_1.0.1 parallel_3.1.1 plyr_1.8.1 Rcpp_0.11.2 
 [7] reshape2_1.4 stringr_0.6.2 tools_3.1.1 
  

这里是数据集。 2 data.tables和2 data.frames。这两组具有相同的内容。

  DT_1 = data.table（x = rep（c（a，b c），每个= 3），y = c（1,3,6），v = 1：9）
 DT_2 = data.table（V1 = c（b，c ），foo = c（4,2））
 
 DT_1_df = data.frame（x = rep（c（a，b，c），each = 3），y = c（1,3,6），v = 1:9）
 DT_2_df = data.frame（V1 = c（b，c），foo = c（4,2） $ b  

data.table方式

对于使用data.table方法的两个数据表，我们得到以下结果：

  setkey（DT_1，x）; setkey（DT_2，V1）
 DT_1 [DT_2] 
xyv foo 
 1：b 1 4 4 
 2：b 3 5 4 
 3：b 6 6 4 
 4：c 1 7 2 
 5：c 3 8 2 
 6：c 6 9 2 
  

dplyr0.3 data.tables上的inner_join

在两个数据表上使用dplyr的inner_join时会产生错误：

  inner_join（DT_1，DT_2，by =（x=V1））
 setkeyv中的错误）：一些列不在data.table中：V1 
  

dplyr0.3 inner_join on data.frame & data.table

如果使用数据框工作数据表时出现另一个错误：

  inner_join（DT_1，DT_2_df，by = c（x=V1））
错误：数据表联接必须在同一个密钥上
  

dplyr0.3 inner_join on data.frames

inner_join在数据框架上工作精美：

  inner_join（DT_1_df，DT_2_df，by = c（x=V1））
xyv foo 
 1 b 1 4 4 
 2 b 3 5 4 
 3 b 6 6 4 
 4 c 1 7 2 
 5 c 3 8 2 
 6 c 6 9 2 
  

任何人都可以解释为什么会发生这种情况？

解决方案

如需完整性，请在此处发布研究结果。

检查 https://github.com/hadley/dplyr ，似乎dplyr加入目前的功能有限。引用：当前连接变量在左侧和右侧都必须相同。下面的测试似乎证实了这一点：

  library（dplyr）; library（data.table）
 DT_1 = data.table（x = rep（c（a，b，c），each = 3），y = c ，v = 1：9）
 DT_2 = data.table（V1 = c（b，c），foo = c（4,2））注意分配给第一列的变量名
 DT_2b = data.table（x = c（b，c），foo = c（4,2））＃注意分配给第一列的变量名
 
 inner_join ，DT_2b，by =x）
资料来源：本地数据表[6 x 4] 
xyv foo 
 1 b 1 4 4 
 2 b 3 5 4 
 3 b 6 6 4 
 4 c 1 7 2 
 5 c 3 8 2 
 6 c 6 9 2 
 
 inner_join（DT_1，DT_2，by = c x=V1））
错误：数据表连接必须在同一个键上
  

I have the following setup and dplyr(0.3) and data.table(1.9.3) loaded.

R version 3.1.1 (2014-07-10)
Platform: x86_64-apple-darwin10.8.0 (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] data.table_1.9.3 dplyr_0.3       

loaded via a namespace (and not attached):
[1] assertthat_0.1 DBI_0.3.1      magrittr_1.0.1 parallel_3.1.1 plyr_1.8.1     Rcpp_0.11.2   
[7] reshape2_1.4   stringr_0.6.2  tools_3.1.1 

Here are the dataset. 2 data.tables and 2 data.frames. The two sets have the same contents.

DT_1 = data.table(x = rep(c("a","b","c"), each = 3), y = c(1,3,6), v = 1:9)
DT_2 = data.table(V1 = c("b","c"),foo = c(4,2))

DT_1_df = data.frame(x = rep(c("a","b","c"), each = 3), y = c(1,3,6), v = 1:9)
DT_2_df = data.frame(V1 = c("b","c"),foo = c(4,2))

data.table way

When do inner join on two data-tables using the data.table way, we get the following result:

setkey(DT_1, x); setkey(DT_2, V1)
DT_1[DT_2]
  x y v foo
1: b 1 4   4
2: b 3 5   4
3: b 6 6   4
4: c 1 7   2
5: c 3 8   2
6: c 6 9   2

dplyr0.3 inner_join on data.tables

It gives error when use inner_join of dplyr on two data-tables:

inner_join(DT_1, DT_2, by=("x"="V1"))
Error in setkeyv(x, by$x) : some columns are not in the data.table: V1

dplyr0.3 inner_join on data.frame & data.table

Another error if work a datatable with a dataframe:

inner_join(DT_1, DT_2_df, by = c("x" = "V1"))
Error: Data table joins must be on same key

dplyr0.3 inner_join on data.frames

inner_join however works beautifully on dataframes:

inner_join(DT_1_df, DT_2_df, by = c("x" = "V1"))
  x y v foo
1 b 1 4   4
2 b 3 5   4
3 b 6 6   4
4 c 1 7   2
5 c 3 8   2
6 c 6 9   2

Can anyone explain why this happens?

解决方案

For completeness, posting research result here.

After checking https://github.com/hadley/dplyr , it seems dplyr "join" has limited functions at the moment. To quote: "Currently join variables must be the same in both the left-hand and right-hand sides." The test below seems to confirm this:

library(dplyr); library(data.table)
DT_1 = data.table(x=rep(c("a","b","c"),each=3), y=c(1,3,6), v=1:9)
DT_2 = data.table(V1=c("b","c"),foo=c(4,2)) # note the variable name assigned to first column
DT_2b = data.table(x=c("b","c"),foo=c(4,2)) # note the variable name assigned to first column

inner_join(DT_1, DT_2b, by= "x")
Source: local data table [6 x 4]
  x y v foo
1 b 1 4   4
2 b 3 5   4
3 b 6 6   4
4 c 1 7   2
5 c 3 8   2
6 c 6 9   2

inner_join(DT_1, DT_2, by = c("x" = "V1"))
Error: Data table joins must be on same key

这篇关于dplyr 0.3 can not inner_join data.table？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！