关于dplyr变异连接中连接列类型的疑问：是否需转为字符型？

问题背景 #

dplyr的变异连接文档指出by参数需要“用于连接的变量字符向量”，但实际使用numeric或dbl类型的公共标识列（比如示例中的nomem_encr）也能正常完成连接：

# 数据框预览
df1
# Rows: 2,525
# Columns: 11
# $ nomem_encr <dbl> 800054, 800170, 800186, 800204, 800228, 800274, 
# $ mj16a093   <dbl+lbl>  4,  4,  3,  4,  2,  5,  5,  3,  5,  3,  6,  
# $ mj16a094   <dbl+lbl>  3,  4,  2,  4,  2,  5,  5,  2,  3,  2,  6, 

df2
# Rows: 6,092
# Columns: 3
# $ nomem_encr <dbl> 800009, 800015, 800042, 800054, 800057, 800085, 
# $ cv16h101   <dbl+lbl>   2,   3,   5,   6,   7,   6,   0,   6,   5,   
# $ cv16h044   <dbl+lbl>  6,  7,  7,  8,  0,  7,  5,  4,  7,  8,  7, 

# 实际连接代码
df3 <- left_join(df1, df2, by = "nomem_encr") 

疑问：是否需要将该列转为字符型，还是不影响？假设只要值是唯一标识符即可。

核心结论 #

不需要特意将nomem_encr转成字符型，只要该列是唯一标识符且两个数据框中对应列的类型一致，连接就不会有问题。

具体解释 #

• 文档描述的歧义：by参数要求的“字符向量”指的是变量名的字符向量（比如"nomem_encr"这个字符串是列名），而非变量本身的类型。也就是说，连接逻辑只关心列名对应的列值是否匹配，和列的数值类型无关。
• 类型一致性是关键：只要两个数据框中的nomem_encr类型一致（示例中都是dbl），且值能精准匹配，连接结果就完全符合预期。你的场景里该列是整数形式的唯一ID，不存在浮点精度误差，所以数值匹配是可靠的。
• 特殊情况的处理：如果数值型标识列存在浮点精度误差（比如一个值是800054，另一个是800054.0000001），这时候数值匹配会失败，转成字符型可以避免这种问题。但你的场景中不存在这类风险，因此无需转换。

小提示 #

如果担心后续出现精度问题，也可以将该列转为整数型，既节省内存，也能规避浮点精度问题：

df1 <- df1 %>% mutate(nomem_encr = as.integer(nomem_encr))
df2 <- df2 %>% mutate(nomem_encr = as.integer(nomem_encr))

内容的提问来源于stack exchange，提问作者Andrej