使用dplyr :: left_join（R lang）与SQL LEFT JOIN进行NA / NULL处理的区别

Question

我想离开连接两个数据帧，其中两侧的连接列中可能有NA （即两个code列）

a <- data.frame(code=c(1,2,NA))
b <- data.frame(code=c(1,2,NA, NA), name=LETTERS[1:4])

使用dplyr ，我们得到：

left_join(a, b, by="code")

  code name
1    1    A
2    2    B
3   NA    C
4   NA    D

使用SQL，我们得到：

CREATE TABLE a (code INT);
INSERT INTO a VALUES (1),(2),(NULL);
CREATE TABLE b (code INT, name VARCHAR);
INSERT INTO b VALUES (1, 'A'),(2, 'B'),(NULL, 'C'), (NULL, 'D');
SELECT * FROM a LEFT JOIN b USING (code);

似乎dplyr连接不会将NA视为SQL NULL值。

1. 有没有办法让dplyr以与SQL相同的方式运行？
2. 这种NA治疗背后的理由是什么？

PS。 当然，我可以首先删除left_join(a, na.omit(b), by="code")以获得left_join(a, na.omit(b), by="code") ，但这不是我的问题。

Answer 1

在SQL中，“null”不匹配，因为SQL没有关于它应该连接到什么的信息 - 因此在连接的数据集中产生“null”，就像在没有匹配的情况下执行左外连接一样。正确的数据集。

然而，在R中，当涉及到连接时“NA”的默认行为几乎将其视为数据点（例如，空操作符），因此“NA”将匹配“NA”。 例如，

> match(NA, NA)
[1] 1

你可以绕过这种方法的一种方法是使用基本合并方法，

> merge(a, b, by="code", all.x=TRUE, incomparables=NA)
  code name
1    1    A
2    2    B
3   NA <NA>

这里的“不兼容”参数允许您定义无法匹配的值，并且实质上强制R以SQL处理“null”的方式处理“NA”。 它看起来不像在left_join中实现了不兼容的功能，但它可能只是以不同的方式命名。

Answer 2

默认情况下，列代码具有主键，因此不接受NULL值