使用 R，left_join 方法不接受数据类型答案

【问题标题】：Using R, left_join method not accepting data type使用 R，left_join 方法不接受数据类型
【发布时间】：2014-12-04 17:11:33
【问题描述】：

我在 R 中运行一个配方，收到如下错误：

> left_join(ann2012full,agglevel) Joining by: "agglvl_code" Error in data.table::setkeyv(y, by$x) : x is not a data.table。

这两个变量是ann2012full，一个300万+个obs。 15 个变量和 agglevel，一个 56 obs。 2 个变量，取自 2 个 .csv 文件。

根据其他帖子，还有其他人对类似问题的dplyr有问题，但by方法的框架我不清楚。有没有人能够像更新之前一样重复left_join 功能？

这两个变量有一个交点，并且该函数似乎通过在错误之前报告Joining by: "agglvl_code"来确认这一点：

> intersect(names(ann2012full),names(agglevel))
[1] "agglvl_code"

有问题的前几行变量...

head(ann2012full)
   area_fips own_code industry_code agglvl_code size_code year qtr disclosure_code annual_avg_estabs_count annual_avg_emplvl
1:     01000        0            10          50         0 2012   A                                  116233           1828248
2:     01000        1            10          51         0 2012   A                                    1252             56031
3:     01000        1           102          52         0 2012   A                                    1252             56031
4:     01000        1          1021          53         0 2012   A                                     599             11734
5:     01000        1          1022          53         0 2012   A                                       2                13
6:     01000        1          1023          53         0 2012   A                                      17               161
   total_annual_wages taxable_annual_wages annual_contributions annual_avg_wkly_wage avg_annual_pay
1:        76768801894          13424728725            419383612                  808          41990
2:         4194319351                    0                    0                 1440          74857
3:         4194319351                    0                    0                 1440          74857
4:          719641114                    0                    0                 1179          61330
5:             436204                    0                    0                  662          34437
6:           12253089                    0                    0                 1468          76343

head(agglevel)
  agglvl_code                                    agglvl_title
1          10                         National, Total Covered
2          11          National, Total -- by ownership sector
3          12      National, by Domain -- by ownership sector
4          13 National, by Supersector -- by ownership sector
5          14   National, NAICS Sector -- by ownership sector
6          15  National, NAICS 3-digit -- by ownership sector

使用 str() 时有问题的 vars 是什么样的...

> str(ann2012)
Classes ‘data.table’ and 'data.frame':  3556289 obs. of  15 variables:
 $ area_fips              : chr  "01000" "01000" "01000" "01000" ...
 $ own_code               : int  0 1 1 1 1 1 1 1 1 1 ...
 $ industry_code          : chr  "10" "10" "102" "1021" ...
 $ agglvl_code            : int  50 51 52 53 53 53 53 53 53 53 ...
 $ size_code              : int  0 0 0 0 0 0 0 0 0 0 ...
 $ year                   : int  2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 ...
 $ qtr                    : chr  "A" "A" "A" "A" ...
 $ disclosure_code        : chr  "" "" "" "" ...
 $ annual_avg_estabs_count: int  116233 1252 1252 599 2 17 46 32 27 4 ...
 $ annual_avg_emplvl      : int  1828248 56031 56031 11734 13 161 1799 6131 903 632 ...
 $ total_annual_wages     :Class 'integer64'  num [1:3556289] 3.79e-313 2.07e-314 2.07e-314 3.56e-315 2.16e-318 ...
 $ taxable_annual_wages   :Class 'integer64'  num [1:3556289] 6.63e-314 0.00 0.00 0.00 0.00 ...
 $ annual_contributions   :Class 'integer64'  num [1:3556289] 2.07e-315 0.00 0.00 0.00 0.00 ...
 $ annual_avg_wkly_wage   : int  808 1440 1440 1179 662 1468 1581 1231 370 1716 ...
 $ avg_annual_pay         : int  41990 74857 74857 61330 34437 76343 82237 64031 19257 89240 ...
 - attr(*, ".internal.selfref")=<externalptr> 
> str(agglevel)
'data.frame':   56 obs. of  2 variables:
 $ agglvl_code : int  10 11 12 13 14 15 16 17 18 21 ...
 $ agglvl_title: chr  "National, Total Covered" "National, Total -- by ownership sector" "National, by Domain -- by ownership sector" "National, by Supersector -- by ownership sector" ...

我为此配方加载了 10 个库；总共有28个加载。

> search()
 [1] ".GlobalEnv"             "package:tcltk"          "package:microbenchmark" "package:rbenchmark"     "package:choroplethr"   
 [6] "package:RColorBrewer"   "package:maps"           "package:ggplot2"        "package:stringr"        "package:dplyr"         
[11] "package:plyr"           "package:sqldf"          "package:RSQLite"        "package:DBI"            "package:gsubfn"        
[16] "package:proto"          "package:data.table"     "package:bit64"          "package:bit"            "tools:rstudio"         
[21] "package:stats"          "package:graphics"       "package:grDevices"      "package:utils"          "package:datasets"      
[26] "package:methods"        "Autoloads"              "package:base"

**************************************** 找到解决方法 ********* ************************

我深究：我使用了merge，而不是left_join，将by 指定为比NULL 更多。那么，到底是什么……

codes <- c('agglevel','industry','ownership','size')
ann2012full <- ann2012
for(i in 1:length(codes)){
  eval(parse(text=paste('ann2012full <- left_join(ann2012full, ',codes[i],')', sep='')))
}

现在是……

codes <- c('agglevel','industry','ownership','size')
ann2012full <- ann2012
for(i in 1:length(codes)){
  barTitle <- intersect(names(ann2012full),names(eval(parse(text=codes[i]))))
  eval(parse(text= paste('ann2012full <- merge(ann2012full, ',codes[i],',by="',barTitle,'")', sep='')))
}

但是，dplyr 方法中的***_join 似乎仍有一些错误需要通过最新更新来解决。如果有其他意见，我很想听听，因为它只适用于修改后的代码merge。

谢谢，

【问题讨论】：

能不能提供几行ann2012full和agglevel？另外，你能展示一下 str() 对它们两个的返回值吗？最后，如果您显示已加载的“库数量”，它会对我们有所帮助。
看起来dplyr 的行为在新版本中可能有所改变。
似乎是这样：rstudio 有一些关于截至 2014 年 10 月 14 日的改进的详细信息，但我没有看到连接，并且更改似乎是可选的。
这条评论似乎与之前的问题有关，我现在决定要么目前无法解决，要么没有提供新信息。 stackoverflow.com/questions/26073098/…
不要在注释中放那么多代码。您可以使用新见解更新您的问题，也可以为您自己的问题提供答案。

标签： r data.table dplyr

【解决方案1】：

我认为您和我遇到了同样的问题并且遇到了同样的问题。这里有两个问题（至少对我来说，当我这样做时）。

第一个问题是，如果您按照食谱进行操作，那么您的一组数据是数据表，另一组是日期框架。第二组as.data.table(code)也是如此。

第二个问题是，在被连接的字段上，它们是一个数据集中的整数和另一个数据集中的字符。所以这需要修复（只需as.numeric()）

编辑：此代码是您想要的，并且在我的机器上运行良好（除非您需要将 2013 更改为 2012 以匹配您的数据）。

codes <- c('agglevel', 'industry', 'ownership', 'size')
ann2013full <- ann2013
ann2013full$agglvl_code <- as.numeric(ann2013full$agglvl_code)
ann2013full$own_code <- as.numeric(ann2013full$own_code)
ann2013full$size_code <- as.numeric(ann2013full$size_code)
for(code in codes){
  eval(parse(text = paste('ann2013full <- left_join(ann2013full,as.data.table(', code,'))', sep = '')))
}

【讨论】：