r - 将一个非空的 data.frame 与一个空的合并时的奇怪行为

Question

我有一个非空数据框 df1

df1 <- structure(list(V1 = 1:4, V2 = 5:8), class = "data.frame", row.names = c(NA, 
-4L))

> df1
  V1 V2
1  1  5
2  2  6
3  3  7
4  4  8

和两个空数据框 df2.a和 df2.b ， IE。，

df2.a <- structure(list(V1 = integer(0), V2 = integer(0), V3 = integer(0), V4 = integer(0)), row.names = integer(0), class = "data.frame")


df2.b <- structure(list(V1 = NULL, V2 = NULL, V3 = NULL, V4 = NULL), row.names = c(NA, 0L), class = "data.frame")

哪里 df2.a和 df2.b看起来几乎没有区别(唯一的区别是使用 dput(df2.a) 和 dput(df2.b) 时显示的)

> df2.a
[1] V1 V2 V3 V4
<0 rows> (or 0-length row.names)
> df2.b
[1] V1 V2 V3 V4
<0 rows> (or 0-length row.names)

但是，当我尝试合并时 df1与 df2.a或 df2.b ，奇怪的事情发生了

> merge(df1,df2.a,all = TRUE)
  V1 V2 V3 V4
1  1  5 NA NA
2  2  6 NA NA
3  3  7 NA NA
4  4  8 NA NA

> merge(df1,df2.b,all = TRUE)
  V1 V2 V4
1  1  5 NA
2  2  6 NA
3  3  7 NA
4  4  8 NA

如您所见， V3合并时被丢弃 df1与 df2.b ，而所需的应该类似于 merge(df1,df2.a,all = TRUE) 的输出.
有人可以解释一下吗？如果在使用 merge 时有解决此问题的解决方法，我们将不胜感激。在 df1和 df2.b .

Answer 1

这是一个复杂的问题。错误步骤发生在 this line的 base::merge :

y <- y[c(m$yi, if (all.x) rep.int(1L, nxx), if (all.y) m$y.alone), 
            -by.y, drop = FALSE]

当您通过 df2.b如 y论据 merge ，这一行实际上产生了一个无效的数据框，你可以在浏览器中看到:

Browse[2]> y
#>        V4
#> NA   NULL
#> NA.1 <NA>
#> NA.2 <NA>
#> NA.3 <NA>
#> Warning message:
#> In format.data.frame(if (omit) x[seq_len(n0), , drop = FALSE] else x,  :
#>  corrupt data frame: columns will be truncated or padded with NAs

如果我们通过跟踪逻辑，我们可以看到我们可以通过调用在调试器之外重现错误:

df2.b[c(1, 1, 1, 1), -c(1:2), drop = FALSE]
#>        V4
#> NA   NULL
#> NA.1 <NA>
#> NA.2 <NA>
#> NA.3 <NA>
#> Warning message:
#> In format.data.frame(if (omit) x[seq_len(n0), , drop = FALSE] else x,  :
#>  corrupt data frame: columns will be truncated or padded with NAs

而对于 db2.a，我们没有遇到这个问题。 :

df2.a[c(1, 1, 1, 1), -c(1:2), drop = FALSE]
#>      V3 V4
#> NA   NA NA
#> NA.1 NA NA
#> NA.2 NA NA
#> NA.3 NA NA

那么这是为什么呢？即使 df2.a和 df2.b打印数据框时看起来相同，但它们并不相同。空的数字向量与 NULL 不太一样.主要区别(导致这里出现问题的那个)是索引一个空的数字向量会给你一个非零长度 NA值，而 NULL 给你一个 NULL值(value)。

df2.a$V1[1:4]
#> [1] NA NA NA NA

df2.b$V1[1:4]
#> NULL

所以我想这是预期的行为。问题是 R 允许 NULL作为一个数据框列。我很惊讶这种事情不会经常发生。