r - 使用数据库时 dplyr 加入 : How do you do a non standard join `col1` ! = `col2`？

Question

当您使用数据库时，如何在 dplyr 中执行非标准联接 ('col1' != 'col2')。

示例:

设置数据库:

library(dplyr)

con <- DBI::dbConnect(RSQLite::SQLite(), ":memory:")

tableA <- data.frame(col1= c("a","b","c","d"),
                     col2 = c(1,2,3,4))

copy_to(con, tableA)

这是在使用数据库时我想使用 dplyr 代码执行的 sql 连接:

SQL代码:

tbl(con, sql("select a.col1, b.col2
              from 
              tableA as a
              inner join 
              tableA as b
              on a.col1 <> b.col1")) %>% 
 arrange(col1, col2)

结果:

# Source:     SQL [?? x 2]
# Database:   sqlite 3.19.3 [:memory:]
# Ordered by: col1, col2
     col1  col2
    <chr> <dbl
1     a     2
2     a     3
3     a     4
4     b     1
5     b     3
6     b     4
7     c     1
8     c     2
9     c     4
10     d     1
# ... with more rows

dplyr代码:

这是我在重新创建上面的 sql 代码时尝试的初始 dplyr 代码:

tbl(con,"tableA")->dbtableA

dbtableA %>% 
  inner_join(dbtableA, by = c('col1' != 'col1')) %>% 
  select(col1, col2=col2.x) %>% 
  arrange(col1, col2)

Error: by must be a (named) character vector, list, or NULL for natural joins (not recommended in production code), not logical

当尝试使用 tidyr 包(下面的代码)解决这个问题时，我收到一条错误消息:

library(tidyr)

dbtableA %>% 
  expand(col1,col2) %>% 
  left_join(dbtableA, by = 'col1') %>%
  filter(col2.x != col2.y) %>% 
  select(col1, col2 = col2.x) %>% 
  arrange(col1, col2)

Error: in UseMethod("expand_") : no applicable method for 'expand_' applied to an object of class "c('tbl_dbi', 'tbl_sql', 'tbl_lazy', 'tbl')"

有谁知道在使用数据库时如何在 dplyr 代码中编写此连接？非常感谢。

Answer 1

我认为您没有正确理解 by 参数。

在by = c("col1"= "col2")中，=不是和相等运算符，而是一个赋值运算符( R 中的相等运算符是 ==)。 c(...) 中的表达式创建一个命名的字符向量(名称:col1 值:col2)，dplyr 将其用于连接。您没有在任何地方定义连接期间进行的比较类型，比较是在 dplyr 中硬编码的。我不认为 dplyr 支持非 equi 连接(还)。

在by = c("col1"!= "col2")中，!=是不等式运算符。因此，您的陈述与编写 by = TRUE 相同(这是荒谬的)。

另请查看 this question有关 dplyr 中非 equi 连接主题的更多讨论。