合并transaction与customer数据集时出现data.table命名错误，求解决方案

我尝试用以下代码将交易数据集transactionData_3与客户数据集customerData做左连接：

data <- merge(transactionData_3, customerData, all.x = TRUE)

运行后报错：

Error in setnames(dt, c(by.x, start, end)) :
Can't assign 11 names to a 10 column data.table

两个数据集的结构信息如下：

transactionData_3结构 #

str(transactionData_3)

Classes ‘data.table’ and 'data.frame':  246739 obs. of  8 variables:
 $ DATE          : Date, format: "2018-10-17" "2019-05-14" "2019-05-20" "2018-08-17" ...
 $ STORE_NBR     : int  1 1 1 2 2 4 4 5 7 7 ...
 $ LYLTY_CARD_NBR: int  1000 1307 1343 2373 2426 4149 4196 5026 7150 7215 ...
 $ TXN_ID        : int  1 348 383 974 1038 3333 3539 4525 6900 7176 ...
 $ PROD_NBR      : int  5 66 61 69 108 16 24 42 52 16 ...
 $ PROD_NAME     : chr  "Natural Chip        Compny SeaSalt175g" "CCs Nacho Cheese    175g" "Smiths Crinkle Cut  Chips Chicken 170g" "Smiths Chip Thinly  S/Cream&Onion 175g" ...
 $ PROD_QTY      : int  2 3 2 5 3 1 1 1 2 1 ...
 $ TOT_SALES     : num  6 6.3 2.9 15 13.8 5.7 3.6 3.9 7.2 5.7 ...- attr(*, ".internal.selfref")=<externalptr> 

customerData结构 #

str(customerData)

Classes ‘data.table’ and 'data.frame':  72637 obs. of  3 variables:
 $ LYLTY_CARD_NBR  : int  1000 1002 1003 1004 1005 1007 1009 1010 1011 1012 ...
 $ LIFESTAGE       : chr  "YOUNG SINGLES/COUPLES" "YOUNG SINGLES/COUPLES" "YOUNG FAMILIES" "OLDER SINGLES/COUPLES" ...
 $ PREMIUM_CUSTOMER: chr  "Premium" "Mainstream" "Budget" "Mainstream" ...- attr(*, ".internal.selfref")=<externalptr>

错误原因 #

这个错误是data.table的merge函数处理列名时出现了逻辑偏差：

• 正常左连接后应该有10列（8+3-1，共享列LYLTY_CARD_NBR合并后只保留一份），但函数试图给10列分配11个列名，说明合并时未正确识别共享列，大概率是连接键列名存在隐形差异（比如大小写、空格、不可见字符），导致函数误以为是两个不同列，进而计算错误。

修复步骤 #

1. 显式指定连接键
   手动指定by参数，避免自动识别列名时的错误：

   data <- merge(transactionData_3, customerData, by = "LYLTY_CARD_NBR", all.x = TRUE)
   

2. 检查并统一连接键列名
   确认两个数据集的连接键列名完全一致：

   # 查看列名
   colnames(transactionData_3)
   colnames(customerData)
   # 若有差异，统一列名（示例）
   setnames(customerData, old = "LYLTY_CARD_NBR", new = "LYLTY_CARD_NBR")
   

3. 更新data.table版本
   该错误可能是旧版本data.table的bug，更新到最新版本即可解决：

   install.packages("data.table")
   library(data.table)
   

内容的提问来源于stack exchange，提问作者Anita Abbot