r - 是否可以在 dplyr 中进行完全连接并保留连接中使用的所有列？

Question

我有两个表，我想使用 dplyr 进行完全连接，但我不希望它删除任何列。根据文档和我自己的经验，它只保留左侧的连接列。当您有一行在右侧有记录时，这是一个问题，因为连接值消失了。

例如，假设我有两个表 a 和 b，

customerId | revenue               customerId | state
-----------|---------              -----------|-------
    1      | 2000                       1     |  CA
    2      | 3000                       3     |  GA
    4      | 4000                       4     |  NY

做类似 full_join(a, b, by="customerId") 的事情会产生

customerId | revenue | state
-----------|---------|-------
    1      |   2000  |  CA
    2      |   3000  | <NA>
   <NA>    |   <NA>  |  GA
    4      |   4000  |  NY

所以没有办法知道第三行来自哪个客户。理想的输出是

customerId.a | customerId.b | revenue | state
-------------|--------------|---------|-------
      1      |      1       |   2000  |  CA
      2      |     <NA>     |   3000  | <NA>
    <NA>     |      3       |   <NA>  |  GA
      4      |      4       |   4000  |  NY

请注意，这只是一个玩具示例。我实际上使用的是 sparklyr，所以这一切都在 Spark 中运行。因此，合并在这里对我不起作用。有没有办法在 dplyr 中做我正在寻找的东西？

编辑:
正如有人指出的那样，这实际上在 dplyr 本地按需要工作。但是，我确实使用 sparklyr(使用 dplyr)看到了这个问题。这是查看的代码:

library(sparklyr)
sc <- spark_connect("local[4]")
d1 <- data_frame(customerId = c("1","2","4"), revenue=c(2000,3000,4000))
d2 <- data_frame(customerId = c("1","3","4"), state=c("CA", "GA", "NY"))
d1_tbl <- copy_to(sc, d1)
d2_tbl <- copy_to(sc, d2)
full_join(d1_tbl, d2_tbl, by=c("customerId"))

Answer 1

您可以创建单独的相同 customerId对于加入前的两个数据框:

full_join(
    mutate(a, customerId.a = customerId), 
    mutate(b, customerId.b = customerId), 
    by="customerId"
) %>% select(-customerId)

#  revenue customerId.a state customerId.b
#1    2000            1    CA            1
#2    3000            2  <NA>           NA
#3    4000            4    NY            4
#4      NA           NA    GA            3