R语言中两种等价内连接方式为何一种报错？

咱们直接戳破误区：你把by参数当成了要传入连接列的具体数值，但实际上它的作用是指定用来做匹配的列名——这才是文档里“用于连接的变量名组成的字符向量”的真实意思。

先看正确的用法（方法1） #

inner_join(tb1,tb2,by="key") 这句话的逻辑是：“在tb1和tb2里，找到名为key的列，用这两列的内容做匹配，把符合条件的行合并起来”。这里的"key"是列的名字，完全符合文档里“变量名（列名）组成的字符向量”的定义，所以能正常运行。

再看你出错的方法2 #

你传入的c("a","c","b","c","a")是tb1$key这一列的具体值，但inner_join会把这些字符串当成列名去查找——它会尝试在tb1和tb2里找名为"a"、"c"、"b"的列，同时还发现你重复传入了"c"和"a"，这就违反了“连接用的列名必须唯一”的规则，所以直接抛出了Error: Join columns must be unique的错误。

额外补充：如果两个表的连接列名不一样怎么办？ #

比如tb1的连接列叫tb_key，tb2的叫ref_key，这时候by参数可以用命名向量来对应，写法是：

inner_join(tb1, tb2, by = c("tb_key" = "ref_key"))

这里的向量元素依然是列名，只是用命名的方式明确了左右表的对应关系。

内容的提问来源于stack exchange，提问作者Tan Kin Meng