R语言两数据框执行left_join无报错但cov表字段全为空问题排查

问题原因 #

• 第一，你对left_join的by参数用法理解错误：by参数仅用于指定左右两个表的连接列名对应关系，你写的toupper('LBORRESU')只会把字符串"LBORRESU"转为全大写的列名，不会对cov表中LBORRESU列的内容做大小写转换，实际生效的连接规则完全没有做内容格式统一。
• 第二，连接键的内容大小写不匹配：
  • df的LBTEST列内容为全大写的"ALANINE AMINOTRANSFERASE"，cov的LBTEST列内容为大小写混合的"Alanine Aminotransferase"，内容不一致无法匹配
  • 虽然df的lbstresu和cov的LBORRESU都有"U/L"取值，但未统一格式的情况下也存在大小写不一致匹配失败的风险。

解决方案 #

先统一两个表连接键的内容格式，再执行左连接，示例代码如下：

library(dplyr)

# 预处理cov表的连接列，统一转为全大写
cov_processed <- cov %>%
  mutate(
    LBTEST = toupper(LBTEST),
    LBORRESU = toupper(LBORRESU)
  )

# 执行左连接
test <- left_join(df, cov_processed, by = c('LBCAT' = 'LBCAT', 'LBTEST' = 'LBTEST', 'lbstresu' = 'LBORRESU'))

处理后cov表的字段可以正常匹配到df中，不会再出现全空的情况。

内容的提问来源于stack exchange，提问作者Stataq