R 內連接的行數比第一幀多

Question

使用內部連接，行數不能高於第一個數據幀中的行數。 但是為什么 R 會輸出更多的行數呢？

我在第一個數據幀中測量了值，並想用來自第二個數據幀的唯一信息來補充這些數據幀。 例如：第一個數據幀有 368000 行，第二個數據幀有 19870 個唯一值。

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

但這會返回 968497 個值！ 那不可能。 我只有368000個測量值！

從我的角度來看，行數不得超過第一個數據框中的行數。

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

如何讓 R 中的各種連接函數只生成第一個數據幀的最大行數？

筆記：

• 測量點：這在 T1 中具有唯一值，不會出現重復值。
• data_measurement_document：這里T1 的值不是唯一的。
• 結果中的行數不得多於數據集中的行數：data_measurement_document。

示例數據集

預期結果

Answer 1

檢查數據中是否存在變量“T1”的重復值。

如果您要加入的列的第二個表中存在重復值，則預期會出現這種行為。 left_join將第一個表中的每個匹配項與第二個表中的每個匹配項連接起來。 考慮以下示例。 （我使用left_join的dplyr而不是tidyft但我認為這些函數的行為相似。）

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	價值1
1	數據1_值1
2	數據1_值2
3	數據1_值3

data2有 2 行，但id值重復

ID	價值2
1	數據2_值1
1	數據2_值2

並且data3 ，左連接的數據，有 4 行

ID	價值1	價值2
1	數據1_值1	數據2_值1
1	數據1_值1	數據2_值2
2	數據1_值2	不適用
3	數據1_值3	不適用

因為 data1 中的行 id=1 與 table2 中 id=1 的 2 行連接。

編輯

我在下面的代碼中使用了您的示例數據和inner_join但它不會產生比第一個表中更多的行

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")

結果（data3）如下：

T1	價值.1	價值.2
115	一個	X1
160	乙	X4
150	C	X3
115	D	X1
116	乙	X2
150	F	X3

這與左側數據框的行數相同。