根据ID变量合并R中的两个数据框

Question

我正在尝试根据 ID-variable 合并 R 中的两个数据帧，因为在第一个数据帧中，ID-variable 是一个因素，而在第二个数据帧中，ID-variable 是一个数字向量

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

我们看到 001,010 不见了，我很清楚为什么它们不见了 以及如何解决这个问题

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

我试图通过让 R 避免将字符向量视为一个因素来找到另一种解决方案

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))

当我根据 ID-variable 合并这两个数据帧时，我预计我会得到空结果，因为我们有一个字符与数字向量，但实际上 R 给了我与 ID-Variable 相同的结果第一个数据框是一个因素。

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

ID          X  Y
100 -0.2797956 4
110 -1.0397791 4

那么谁能解释一下为什么我的期望是错误的！

Answer 1

当你合并两列时，它们被强制转换为一个共同的class：

将因子、原始向量和列表转换为字符向量，然后将x和table强制转换为普通类型（R的排序中的两种类型中的后者，逻辑

（来自?match 帮助页面，链接自?merge）

所以您的numeric 列变为character，您的factor 也是：

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

这解释了在 OP 中看到的结果。这种强制在整个 R 中很常见。

---

评论。 对于 ID 列，我总是使用character；它比替代品少得多。 sprintf 可以方便地添加前导零，确保所有 ID 的字符长度相同：

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