R 内连接的行数比第一帧多

Question

使用内部连接，行数不能高于第一个数据帧中的行数。 但是为什么 R 会输出更多的行数呢？

我在第一个数据帧中测量了值，并想用来自第二个数据帧的唯一信息来补充这些数据帧。 例如：第一个数据帧有 368000 行，第二个数据帧有 19870 个唯一值。

Data<-tidyft::left_join(data_measurement_document, measurement points, by = "T1")

但这会返回 968497 个值！ 那不可能。 我只有368000个测量值！

从我的角度来看，行数不得超过第一个数据框中的行数。

Data<-tidyft::inner_join(data_measurement_document, measurement points, by = "T1")

如何让 R 中的各种连接函数只生成第一个数据帧的最大行数？

笔记：

• 测量点：这在 T1 中具有唯一值，不会出现重复值。
• data_measurement_document：这里T1 的值不是唯一的。
• 结果中的行数不得多于数据集中的行数：data_measurement_document。

示例数据集

预期结果

Answer 1

检查数据中是否存在变量“T1”的重复值。

如果您要加入的列的第二个表中存在重复值，则预期会出现这种行为。 left_join将第一个表中的每个匹配项与第二个表中的每个匹配项连接起来。 考虑以下示例。 （我使用left_join的dplyr而不是tidyft但我认为这些函数的行为相似。）

data1 <- data.frame(id=1:3,
                value1=paste0('data1_value',1:3),
                stringsAsFactors = FALSE)

data2 <- data.frame(id=c(1,1),
                    value2=paste0('data2_value',1:2),
                    stringsAsFactors = FALSE )

data3 <- left_join(data1,data2)

然后data1有3行

ID	价值1
1	数据1_值1
2	数据1_值2
3	数据1_值3

data2有 2 行，但id值重复

ID	价值2
1	数据2_值1
1	数据2_值2

并且data3 ，左连接的数据，有 4 行

ID	价值1	价值2
1	数据1_值1	数据2_值1
1	数据1_值1	数据2_值2
2	数据1_值2	不适用
3	数据1_值3	不适用

因为 data1 中的行 id=1 与 table2 中 id=1 的 2 行连接。

编辑

我在下面的代码中使用了您的示例数据和inner_join但它不会产生比第一个表中更多的行

data1 <- structure(list(T1 = c(115, 160, 150, 115, 116, 150), 
                        Value.1 = c("A",  "B", "C", "D", "E", "F")), 
                   class = "data.frame", row.names = c(NA, -6L))

data2 <- structure(list(T1 = c(115, 116, 150, 160), 
                        Value.2 = c("X1", "X2", "X3", "X4")), 
                   class = "data.frame", row.names = c(NA, -4L))

data3 <- inner_join(data1,data2,by="T1")

结果（data3）如下：

T1	价值.1	价值.2
115	一个	X1
160	乙	X4
150	C	X3
115	D	X1
116	乙	X2
150	F	X3

这与左侧数据框的行数相同。