dplyr连接：在使用数据库时，如何进行非标准连接`col1`！= `col2`？

Question

当你在处理数据库时，如何使用dplyr进行非标准连接('col1' != 'col2')？

示例：

设置数据库：

library(dplyr)

con <- DBI::dbConnect(RSQLite::SQLite(), ":memory:")

tableA <- data.frame(col1= c("a","b","c","d"),
                     col2 = c(1,2,3,4))

copy_to(con, tableA)

在使用数据库时，我想使用dplyr代码进行sql连接，以下是要执行的sql代码：

SQL代码：

tbl(con, sql("select a.col1, b.col2
              from 
              tableA as a
              inner join 
              tableA as b
              on a.col1 <> b.col1")) %>% 
 arrange(col1, col2)

结果：

# Source:     SQL [?? x 2]
# Database:   sqlite 3.19.3 [:memory:]
# Ordered by: col1, col2
     col1  col2
    <chr> <dbl
1     a     2
2     a     3
3     a     4
4     b     1
5     b     3
6     b     4
7     c     1
8     c     2
9     c     4
10     d     1
# ... with more rows

dplyr代码：

这是我试图重建上面SQL代码时尝试的初始dplyr代码：

tbl(con,"tableA")->dbtableA

dbtableA %>% 
  inner_join(dbtableA, by = c('col1' != 'col1')) %>% 
  select(col1, col2=col2.x) %>% 
  arrange(col1, col2)

错误: by必须是(命名的)字符向量、列表或自然连接的NULL(不建议在生产代码中使用)，而不是逻辑值

尝试使用tidyr包解决此问题时，我收到了一个错误消息(如下所示):

library(tidyr)

dbtableA %>% 
  expand(col1,col2) %>% 
  left_join(dbtableA, by = 'col1') %>%
  filter(col2.x != col2.y) %>% 
  select(col1, col2 = col2.x) %>% 
  arrange(col1, col2)

错误：使用方法("expand_")时出错： 没有适用于类"c('tbl_dbi', 'tbl_sql', 'tbl_lazy', 'tbl')"的对象的'expand_'方法

当使用数据库时，有人知道如何编写dplyr代码进行此连接吗？非常感谢。

- Dyfan Jones

Answer 1

我认为您对 by 参数的理解有误。

在 by = c("col1" = "col2") 中，= 不是等于运算符，而是赋值运算符（在 R 中，等于运算符是 ==）。c(...) 内部的表达式创建了一个命名字符向量（名称：col1，值：col2），dplyr 使用该向量进行连接。在任何地方都没有定义连接期间所进行的比较类型，比较方式已经在 dplyr 中硬编码。我不认为 dplyr 支持非等值连接（尚未支持）。

在 by = c("col1" != "col2") 中，!= 是不等于运算符。因此，您的语句与编写 by = TRUE 相同（这是无意义的）。

还可以查看此问题 ，了解关于 dplyr 中非等值连接的更多讨论。

- Stefan F