合并data.frames导致match.names错误

Question

我需要合并很多data.frames。在重现错误的代码示例下面。它看起来像一个错误。

此代码工作得很好：

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")) 

此代码产生的最后一行的错误信息：错误match.names（clabs，姓名（十一））：名不以前的名称相匹配。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")) 

让我们来看看df123的列名

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

然后在任意一个

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

更改姓氏现在这行代码将正常工作

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bug，我在Windows 7的R 2.14.1中测试过它，但我怀疑操作系统是否重要。我在这里重现错误的“小”的测试案例：

# 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 

在“merge.data.frame”的方法出现错误，在这条线：

x <- rbind(x, ya) 

的问题是“ x“和”ya“不共享相同的列名称。在这条线上出现这样的问题，前一个只是前两行：

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

“nm.x”是（一组名字的C“版本2.x”，“v2.y”，“版本2.x “）。而x是一个data.frame，其中两列名称为“v2.x”。有趣的是，当您从这个数据框中选择列时，它似乎重命名其中一列！

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 

我试图通过使用列的位置来解决这个问题，而不是名称，但所产生的名字仍然改变（但现在的值是你想要的）！

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。