问题标签 [semi-join]

从这两个数据帧开始：

我想对子集进行子集data化，使其仅包含来自Run_ID+对的值，这些值Sample也存在于metadata. 输出应包含与 相同的列data。

预期输出：

根据文档，它似乎semi_join()应该是解决方案，但我无法根据这两个变量找出连接。

任何建议都非常感谢！

这是我的加入：

看来我只能广播正确的数据帧。但是为了让我的逻辑起作用（leftanti join），我必须df_small在左侧。

如何广播左侧的数据帧？

例子：

我正在使用 dplyr 1.0.6 和 R 4.1.0，我编写了 2 个函数，如下所示：

loadAllCustomersData() 返回两个数据框的列表，然后 matchCustomersByNationalCode 尝试在这两个 data.frame 上执行 semi_join，如下所示：

实际上，这只是 semi_join 命名的一个包装器。但它通过一个错误说：

错误：x并且y必须共享同一个 src，设置copy= TRUE（可能很慢）。

运行rlang::last_error()以查看错误发生的位置。

调用自：signal_abort(cnd)

有人可以帮忙吗？

我没有在任何地方做 LeftSemi join，也没有使用 python UDF。加入两个数据框时，我仍然收到此错误。

df1 - 一列，是表的主键，比如“customerHash”。它可能是空的（实际上在我目前的情况下，它是空的）。

df2 - 一个也有 customerHash 列的表，但它的主键列不同。

代码成功运行，但是当我尝试显示/收集/保留结果表时，它会引发上述错误。我完全不知道为什么会这样——我的猜测是因为 df1 是空的。但是当表为空时，连接不会抛出错误，对吧？

我的主要目标是仅获取其 customerHash 在 df1 中的 df2 行。我可以使用

但我不想使用它，因为它很慢。

请帮忙！

表：用户

表：公司

需要一个 MYSQL 查询，只有当它有一个或多个用户时，它才应该获取公司记录，当传递一个公司 ID 时。我将在公司表上有其他条件。

这可以通过连接来实现吗？

示例 1：查询（comp1）结果：可乐（至少存在一个用户）

示例2：查询（comp2）结果：没有记录（因为不存在属于comp2公司的用户）