根據 ID 變量合並 R 中的兩個數據幀

Question

我試圖根據 ID-variable 在 R 中合並兩個數據幀，因為在第一個數據幀中 ID 變量是一個因子，而在第二個數據幀中 ID 變量是一個數字向量

datC <- data.frame("ID" = c("001","010","100","110"), "X" = rnorm(4))
datD <- data.frame("ID" = c(001,010,100,110,210), "Y" = rpois(5,3))
merge(datC,datD,by="ID")

ID           X  Y
100  0.03284493 2
110 -0.41690986 3

正如我們看到的 001,010 丟失了，我很清楚它們為什么丟失以及我如何解決這個問題

datC$ID <- as.numeric(as.character(datC$ID))
merge(datC,datD,by="ID")

我試圖通過讓 R 避免將字符向量視為一個因素來找到另一種解決方案

datC <- data.frame("ID" = c("001","010","100","110"), "X" = rnorm(4),stringsAsFactors = F)
datD <- data.frame("ID" = c(001,010,100,110,210), "Y" = rpois(5,3))

當我根據 ID 變量合並這兩個數據幀時，我預計我會得到空結果，因為我們有一個字符與數字向量，但實際上 R 給了我與第一個數據幀中的 ID 變量相同的結果是一個因素。

merge(datC,datD,by="ID")

ID          X  Y
100 -0.2797956 4
110 -1.0397791 4

那么有人可以解釋我為什么我的期望是錯誤的！

Answer 1

當您合並兩列時，它們會被強制轉換為一個公共class ：

因子、原始向量和列表被轉換為字符向量，然后在匹配之前將x和table強制轉換為一個公共類型（R 排序中的兩種類型中的后者，logical < integer < numeric < complex < character）。

（來自?match幫助頁面，從?merge鏈接）

所以你的numeric列變成了character ，你的factor ：

as.character(c(001,010,100,110,210))
# [1] "1"   "10"  "100" "110" "210"

這解釋了在 OP 中看到的結果。 這種強制在整個 R 中很常見。

---

評論。 對於 ID 列，我總是使用character ; 它比替代方案少很多麻煩。 sprintf可以方便地添加前導零，確保所有 ID 的字符長度相同：

sprintf("%03d", c(001,010,100,110,210))
# [1] "001" "010" "100" "110" "210"