合并 data.frames 导致 match.names 错误

Question

我需要合并许多 data.frames。下面是重现错误的代码示例。它看起来像一个错误。

这段代码运行良好：

df1 <- data.frame(v=1:10, v2=rev(1:10))
df2 <- data.frame(vv=1:8, v2=rev(5:12))
df12 <- merge(x=df1, y=df2, by.x=1, by.y=1, all=TRUE, suffixes=c(".x", ".y"))
df3 <- data.frame(w=2:6, v2=3:7)
df123 <- merge(x=df12, y=df3, by.x=1, by.y=1, all=TRUE, suffixes=c(".x", ".y"))
df4 <- data.frame(x=1:6, v2=1:6)
df1234 <- merge(x=df123, y=df4, by.x=1, by.y=1, all=TRUE, suffixes=c(".x", ".y"))

此代码在最后一行产生错误消息： match.names(clabs, names(xi)) 中的错误：名称与以前的名称不匹配。唯一的变化是 nrow(df4) > nrow(df123)

df1 <- data.frame(v=1:10, v2=rev(1:10))
df2 <- data.frame(vv=1:8, v2=rev(5:12))
df12 <- merge(x=df1, y=df2, by.x=1, by.y=1, all=TRUE, suffixes=c(".x", ".y"))
df3 <- data.frame(w=2:6, v2=3:7)
df123 <- merge(x=df12, y=df3, by.x=1, by.y=1, all=TRUE, suffixes=c(".x", ".y"))
df4 <- data.frame(x=1:16, v2=1:16)
df1234 <- merge(x=df123, y=df4, by.x=1, by.y=1, all=TRUE, suffixes=c(".x", ".y"))

我们看看df123的列名

names(df123)
[1] "v"    "v2.x" "v2.y" "v2" 

然后在任意一个上更改姓氏

names(df123)[4] <- "v3"

现在这行代码可以正常工作了

df1234 <- merge(x=df123, y=df4, by.x=1, by.y=1, all=TRUE, suffixes=c(".x", ".y"))

这是错误吗？我在 Win7 上使用了 R 2.13.1。 如果您需要其他信息，我会将其添加到问题中。

Answer 1

这绝对是一个错误，我在 Windows 7 上的 R 2.14.1 中对其进行了测试，但我怀疑操作系统是否重要。我在这里重新创建了一个“较小”的错误测试用例：

# Create data.
df1=data.frame(rbind(c(1,10,12,NA)))
df2=data.frame(rbind(c(11,11)))

# Works fine.
merge(df1,df2,by=1,all=T)

#   X1 X2.x X3 X4 X2.y
# 1  1   10 12 NA   NA
# 2 11   NA NA NA   11

# Change the names of the columns.
names(df1)= c('v','v2.x','v2.y','v2')
names(df2)= c('x','v2')

# Same data fails!
merge(df1,df2,by=1,all=T)

# Error in match.names(clabs, names(xi)) : 
#   names do not match previous names

错误发生在“merge.data.frame”方法中，在这一行：

x <- rbind(x, ya)

问题是“x”和“ya”不共享相同的列名。这个问题出现在这一行，就在上一行的前两行：

ya <- cbind(ya, x[rep.int(NA_integer_, nyy), nm.x, drop = FALSE])

"nm.x" 是一组名称 c("v2.x","v2.y","v2.x")。 x 是一个 data.frame，有两列名为“v2.x”。有趣的是，当您从此 data.frame 中选择列时，它似乎会重命名其中一列！

names(x)
[1] "v"    "v2.x" "v2.y" "v2.x"
nm.x
[1] "v2.x" "v2.y" "v2.x"
x[,nm.x]
  v2.x v2.y v2.x.1
1   10   12     10

我尝试通过使用列的位置而不是名称来解决此问题，但生成的名称仍会更改（但现在的值是您想要的）！

x[,c(2,3,4)]
  v v2.x v2.y v2.x.1
1 1   10   12   NA

我有posted this as a bug。