dplyr的left_join函数中如何使用变量作为by连接参数

问题原因 #

直接在by参数里写c(存列名的变量 = "右表连接列")时，R会把变量本身的字面名称作为向量的名称，不会读取变量里存储的实际列名字符串，导致dplyr找不到对应列报错。
比如你运行c(var_to_join = "disp")，得到的输出是命名向量var_to_join = "disp"，向量名是var_to_join，不是你预期的"disp"，这就是写法不生效的核心原因。

兼容所有dplyr版本的通用写法 #

不管两边连接列名是否一致，都可以先构造连接用的命名向量，给向量动态赋值名称即可：

# 场景1：左表连接列存在name变量里，匹配右表的col_to_join列
name = "ID"
join_by <- "col_to_join" # 向量值填右表的连接列名
names(join_by) <- name # 向量名设为左表变量存储的列名
left_join(df1, df2, by = join_by)

对应给出的mtcars测试示例，写法如下：

library(dplyr)
a = mtcars %>% select(1:3)
b = mtcars %>% select(3:5)
var_to_join = "disp"

join_by <- "disp"
names(join_by) <- var_to_join
left_join(a, b, by = join_by)

简化写法 #

如果dplyr版本在1.0.0以上，还可以根据场景选更简洁的写法：

• 两边连接列名完全一致时，直接用all_of()包裹变量即可：

# 适用于a和b连接列名相同的场景，即示例里两边都有disp列的情况
left_join(a, b, by = all_of(var_to_join))

• dplyr 1.1.0以上版本，可以用join_by()配合注入语法实现不同列名的匹配：

# 左表列取name变量存储的"ID"，匹配右表的col_to_join列
name = "ID"
left_join(df1, df2, by = join_by(!!sym(name) == col_to_join))

内容的提问来源于stack exchange，提问作者Lenn