错误：数据源必须是字典（dplyr）

Question

虽然有更多的列和观察结果，但我的数据框如下所示：

dt <- data.frame(hid = c(1, 2, 2, 2, 2, 4, 4, 4, 4, 4, 4),
                     syear = c(2000, 2001, 2003, 2003, 2003, 2000, 2000, 2001, 2001, 2002, 2002),
                     employlvl = c("Full-time", "Part-time", "Part-time", "Unemployed", "Unemployed",
                                    "Full-time", "Full-time", "Full-time", "Unemployed", "Part-time", 
                                    "Full-time"),
                     relhead = c("Head", "Head", "Head", "Partner", "other", "Head", 
                                                  "Partner", "Head", "Partner", "Head", "Partner")) 

---

| hid | syear |  employlvl  |       relhead         |
|-----|-------|-------------|-----------------------|
|  1  | 2000  |  Full-time  |         Head          |
|  2  | 2001  |  Part-time  |         Head          |
|  2  | 2003  |  Part-time  |         Head          |
|  2  | 2003  |  Unemployed |        Partner        |
|  2  | 2003  |  Unemployed |         other         |
|  4  | 2000  |  Full-time  |         Head          |
|  4  | 2000  |  Full-time  |        Partner        |
|  4  | 2001  |  Full-time  |         Head          |
|  4  | 2001  |  Unemployed |        Partner        |
|  4  | 2002  |  Part-time  |         Head          |
|  4  | 2002  |  Full-time  |        Partner        |

我想再创建一个列来表明合作伙伴的就业水平，并希望得到以下输出：

| hid | syear |  employlvl  |         relhead       |      Partner      |
|-----|-------|-------------|-----------------------|-------------------|
|  1  | 2000  |  Part-time  |         Head          |        NA         |
|  2  | 2001  |  Part-time  |         Head          |        NA         |
|  2  | 2003  |  Part-time  |         Head          |    Unemployed     |
|  2  | 2003  |  Unemployed |       Partner         |        NA         |
|  2  | 2003  |  Unemployed |         other         |        NA         |
|  4  | 2000  |  Full-time  |         Head          |     Full-time     |
|  4  | 2000  |  Full-time  |        Partner        |        NA         |
|  4  | 2001  |  Full-time  |         Head          |    Unemployed     |
|  4  | 2001  |  Unemployed |        Partner        |        NA         |
|  4  | 2002  |  Part-time  |         Head          |     Full-time     |
|  4  | 2002  |  Full-time  |        Partner        |        NA         |

目前，我使用以下代码：

library(dplyr)
library(tidyr)

dt2 <- dt %>%
  group_by(hid, syear) %>%
  filter(n() > 1) %>%
  filter(`relhead` != "Child") %>%
  spread(relhead, employlvl) %>%
  mutate(Relation = "Head") %>%
  rename(`Employment Partner` = Partner) %>%
  select(-Head)

dt3 <- dt %>%
  left_join(dt2, by = c("hid", "syear", "relhead" = "Relation"))

对于这个小数据集，代码绝对可以正常工作。但当我尝试获取全部数据时，我得到以下结果：

错误：数据源必须是字典

Answer 1

仔细检查我的数据集后，我发现有两列具有相同的名称。我重命名其中之一后，它就可以正常工作了。

Answer 2

正如其他答案中所述，这是由非唯一名称引起的。我能够通过修改您的示例来重现错误（

relhead

的第三个元素）

dt <- data.frame(
  hid = c(1, 2, 2, 2, 2, 4, 4, 4, 4, 4, 4),
  syear = c(2000, 2001, 2003, 2003, 2003, 2000, 2000, 2001, 2001, 2002, 2002),
  employlvl = c("Full-time", "Part-time", "Part-time", "Unemployed", "Unemployed",
     "Full-time", "Full-time", "Full-time", "Unemployed", "Part-time", 
     "Full-time"),
  relhead = c("Head", "Head", "Employment Partner", "Partner", "other", "Head", 
     "Partner", "Head", "Partner", "Head", "Partner")
) 

在这种情况下，

spread

创建第一个

"Employment Partner"

列，

rename

创建第二个。您应该检查

"Employment Partner"

、

"Relation"

（也许还有

hid

、

syear

）中的任何一个是否在

dt$relhead

中（第一个给您错误，第二个被

mutate(Relation=...)

覆盖）。

最小可重现示例：

data_frame(g = c("a1","a2","a3"), i=1) %>%
    spread(g, i) %>%
    rename(a1 = a3) %>%
    select(-a1)

Answer 3

当我不小心在

rename()

包的

dplyr

语句中使用 2 个相同的新名称时，我收到了相同的错误消息。将

names(df2)

与

unique(names(df2))

进行比较，因为您之前可能已经拥有相同的变量名称。

Answer 4

如果错误仅在运行

select(-Head)

后发生，您可能可以通过使用基本 R 命令来找到解决方法来实现相同的目的。

library(dplyr)
library(tidyr)

dt2 <- dt %>%
  group_by(hid, syear) %>%
  filter(n() > 1) %>%
  filter(`relhead` != "Child") %>%
  spread(relhead, employlvl) %>%
  mutate(Relation = "Head") %>%
  rename(`Employment Partner` = Partner)

以上部分与原代码相同。之后，运行以下命令。

dt2$Head <- NULL

这是一个基本 R 命令，用于删除

Head

列，这与

select(-Head)

想要做的事情是一样的。

然后您可以运行其余代码来加入数据框。

dt3 <- dt %>%
  left_join(dt2, by = c("hid", "syear", "relhead" = "Relation"))

由于您没有提供可重现的示例，我们无法弄清楚此错误消息的真正含义，但也许此解决方法可以帮助您暂时完成任务。

Answer 5

这是由于在

select(-variable)

调用之后执行

rename

造成的。 我遇到了同样的错误，当我删除“重命名”调用并执行相同的 select(-variable) 时，它起作用了。

不知道为什么会出现这种情况，但这就是错误的触发因素。

Answer 6

问题（我认为）是

plyr

和

dplyr

中同名函数之间的行为差异。因此，当您同时加载它们时，您可能会得到意想不到的结果。我也用

group_by

和

summarize

看到了这一点。

一般来说，我发现处理这个问题的最好方法就是使用

dplyr::select

、

dplyr::rename

等等。

更好的是不要使用

plyr

，因为

dplyr

已经涵盖了它，但我有一些使用

plyr

的遗留代码，所以我不愿意乱搞它.