R错误“由于类型不兼容，无法加入...”

Question

我编写的代码在高吞吐量的生产环境中运行，期望可以处理来自多个用户的各种输入。在这种环境中，我经常需要使用dplyr连接两个具有不匹配类型的连接列的多列数据帧，从而产生此错误。“由于类型不兼容，无法加入...”

预期生产代码将处理输入csvs，这些csvs是150+列乘0-1000行，具有12-20个连接列。我使用read.table来提高速度，并且由于150列的内容可以变化，因此可以根据数据内容推断类型。

如果有一个通用功能可以以编程方式匹配联接列类型，而无需假设列名称或位置，那将是很好的。

Answer 1

这是一个经常查看的问题，因此许多其他人必须遇到错误，因此值得更完整的答案。

纠正此连接错误的简单解决方案是简单地改变导致问题的列的类。这可以按如下方式完成：

1. 一瞥要加入的数据帧中的列类

2. 使用 as.numeric、as.logical 或 as.character 改变列类以匹配。例如：

   df2 <- df2 %>%  
       mutate(column1 = as.numeric(column1))
   

生产环境的解决方案是在所示的 matchColClasses 函数中，它执行以下操作：

1. 标识共享相同名称的列 (sharedColNames)
2. 使用主数据框 (df1) 识别共享列类

3. 重新分配 df2 中的列类以匹配 df1

   matchColClasses <- function(df1, df2) {
   
     sharedColNames <- names(df1)[names(df1) %in% names(df2)]
     sharedColTypes <- sapply(df1[,sharedColNames], class)
   
     for (n in sharedColNames) {
        class(df2[, n]) <- sharedColTypes[n]
     }
   
     return(df2)
    }
   

该功能在我们的生产环境中运行良好，具有异构数据类型；字符、数字和逻辑。