加入dplyr时如何指定x和y的列名？

我有两个要使用dplyr加入的数据框。一个是包含名字的数据帧。

test_data <- data.frame(first_name = c("john", "bill", "madison", "abby", "zzz"),
                        stringsAsFactors = FALSE)

另一个数据框包含Kantrowitz名称语料库的清理版本，用于标识性别。这是一个最小的示例：

kantrowitz <- structure(list(name = c("john", "bill", "madison", "abby", "thomas"), gender = c("M", "either", "M", "either", "M")), .Names = c("name", "gender"), row.names = c(NA, 5L), class = c("tbl_df", "tbl", "data.frame"))

我本质上是想test_data使用kantrowitz表从表中查找名称的性别。因为我要将其抽象为一个函数encode_gender，所以我不知道将要使用的数据集中的列的名称，因此，我不能保证它会name像那样被使用kantrowitz$name。

在基本RI中，将以这种方式执行合并：

merge(test_data, kantrowitz, by.x = "first_names", by.y = "name", all.x = TRUE)

返回正确的输出：

  first_name gender
1       abby either
2       bill either
3       john      M
4    madison      M
5        zzz   <NA>

但是我想在dplyr中执行此操作，因为我正在将该包用于所有其他数据操作。by各种*_join功能的dplyr选项仅允许我指定一个列名，但是我需要指定两个。我正在寻找这样的东西：

library(dplyr)
# either
left_join(test_data, kantrowitz, by.x = "first_name", by.y = "name")
# or
left_join(test_data, kantrowitz, by = c("first_name", "name"))

使用dplyr执行这种联接的方法是什么？

（不用担心，Kantrowitz语料库是识别性别的一种不好方法。我正在努力实现更好的实现，但是我想首先使这种工作生效。）

dplyr v0.3中已添加此功能。现在，您可以将命名的字符向量传递给（和其他联接函数）中的by参数，left_join以指定要在每个数据帧中联接的列。对于原始问题中给出的示例，代码将为：

left_join(test_data, kantrowitz, by = c("first_name" = "name"))

这不是真正的解决方案，而是更多解决方法。您可以test_data使用另一个列名创建一个新对象：

left_join("names<-"(test_data, "name"), kantrowitz, by = "name")

     name gender
1    john      M
2    bill either
3 madison      M
4    abby either
5     zzz   <NA>