dplyr left_join 匹配NA

Question

当使用关键字连接data.frame时，如果一个关键字有缺失值（NA），我的直觉是带有NA关键字的行在第二个数据框中应该没有匹配项。但令我惊讶的是，如果两个数据框中都有NA，则dplyr将它们匹配为值。这使得情况变得更加混乱，因为这在dplyr存储库的问题中已经详细讨论请参阅此处，并且似乎已经解决了！如果是这样，那么我没有看到这是正确的解决方案；或者我可能错过了什么。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，我本来期望以下内容：

#>      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

- AndrewMacDonald

---

你的期望是什么？在你提供的链接中，有一个评论：“是的，NA永远不应该与另一个NA匹配”。 - akrun

好的，我刚刚编辑了问题以展示似乎是“正确”的结果。 - AndrewMacDonald

可能是防止dplyr在NA上连接的重复问题。 - Scarabee

Answer 1

解决方案是使用参数na_matches = "never"。这是由Twitter上的Dani Rabaiotti和Hadley Wickham指出的。

该参数在tbl_df类的left_join方法中有记录： ?left_join.tbl_df。

- AndrewMacDonald

Answer 2

这种行为与 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

通过设置incomparables=NA，您可以获得预期的输出：

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，这个选项似乎没有被记录文档，但是查看dplyr:::left_join.tbl_df，你会发现na_matches看起来很有前途。一些尝试揭示你需要给它一个"never"的值。

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

- James

---

谢谢！在我的dplyr文档中，它明确描述了na_matches="never"参数。只是想留下这个评论，以防未来的读者想要阅读更多。他们可以通过?join.tbl_df获得此信息。 - AndrewMacDonald