Select 使用 dtplyr 连接冲突列后

Question

如果我运行下面这个简单的例子，我会得到预期的输出：

library(dplyr)
library(dtplyr)
library(data.table)

dt1 <- lazy_dt(data.table(a = 1:5, b = 6:10))
dt2 <- lazy_dt(data.table(a = letters[1:5], b = 6:10))

dt1 %>%
  left_join(
    dt2,
    by = "b"
  ) %>%
  as.data.table()
>     b a.x a.y
> 1:  6   1   a
> 2:  7   2   b
> 3:  8   3   c
> 4:  9   4   d
> 5: 10   5   e

请注意，使用添加 .x 和 .y 后缀的标准 dplyr 格式正确管理冲突列 a。

但是，如果我现在尝试删除其中一列：

dt1 %>%
  left_join(
    dt2,
    by = "b"
  ) %>%
  select(
    -a.y
  ) %>%
  as.data.table()
> Error in is_character(x) : object 'a.y' not found

有趣的是，如果我尝试 select a 列之一 (select(a.x))，我会得到同样的错误，但是...如果我改为尝试 select(a)（selecting 一个不应该再存在的列），我得到以下输出：

dt1 %>%
  left_join(
    dt2,
    by = "b"
  ) %>%
  select(
    a
  ) %>%
  as.data.table()
>    a.b
> 1:   1
> 2:   2
> 3:   3
> 4:   4
> 5:   5

其中 selected 列显然是 dt1$a，但由于某种原因，给定的列名称是 a.b。（如果我尝试 select(a.b)，我会得到相同的 object not found 错误）。

同时，如果我尝试删除 a，两个 a 列都会被删除：

dt1 %>%
  left_join(
    dt2,
    by = "b"
  ) %>%
  select(
    -a
  ) %>%
  as.data.table()
>     b
> 1:  6
> 2:  7
> 3:  8
> 4:  9
> 5: 10

那么，如何在表具有冲突（而不是连接依据）列的情况下将 select 用于连接？

编辑：

如某些答案中所述，我显然可以在 select 之前执行惰性求值，这很有效。但是，它会发出警告（因为我想将我的对象保留为 data.table，而不是 data.frame），所以它似乎不是预期的方法：

dt1 %>%
  left_join(
    dt2,
    by = "b"
  ) %>%
  as.data.table() %>%
  select(
    -a.x
  )
>     b a.y
> 1:  6   a
> 2:  7   b
> 3:  8   c
> 4:  9   d
> 5: 10   e
> Warning message:
> You are using a dplyr method on a raw data.table, which will call the data 
> frame implementation, and is likely to be inefficient.
> * 
> * To suppress this message, either generate a data.table translation with
> * `lazy_dt()` or convert to a data frame or tibble with
> * `as.data.frame()`/`as_tibble()`.

Answer 1

显然，left_join 不适用于 data.table，但适用于 data.frame（我以前不知道）。

因此，一种解决方案是：

library(dplyr)
library(dtplyr)
library(data.table)

dt1 <- lazy_dt(data.table(a = 1:5, b = 6:10))
dt2 <- lazy_dt(data.table(a = letters[1:5], b = 6:10))

as.data.frame(dt1) %>%
  left_join(as.data.frame(dt2), by = "b") %>%
  select(-a.y) %>%
  as.data.table()

Answer 2

关键是 dtplyr 使用 惰性求值 。更多这里 https://dtplyr.tidyverse.org/，但关键部分是：

Compared to the previous release, this version of dtplyr is a complete rewrite that focusses only on lazy evaluation triggered by use of lazy_dt(). This means that no computation is performed until you explicitly request it with as.data.table(), as.data.frame() or as_tibble().

在您的示例中，这意味着在 select 之前尚未评估联接，它们正在翻译并等待评估。翻译机制允许 dtplyr 更有效地将多个动词组合成一个动作。（更多关于翻译的信息：https://dtplyr.tidyverse.org/articles/translation.html）

有几种方法可以解决这个问题。最简单的是使用 as.data.frame().

向上移动评估

dt1 %>%
  left_join(
    dt2,
    by = "b"
  ) %>%
  as.data.frame() %>%
  select(-a.y)

另一种方法是获取 data.table 对象，然后使用 data.table 语法对列进行子集化。

Answer 3

这是 dtplyr (1.0.0) 当前版本中的一个 bug，但现已在开发版本中修复。

Select 使用 dtplyr 连接冲突列后

Select after a join with conflicting columns with dtplyr

r

dplyr

dtplyr