Question

我试图从文档中了解data.table中的逻辑，有点不清楚。我知道我可以尝试这个，看看会发生什么，但我想确保没有病态的情况，因此想知道逻辑是如何实际编码的。如果两个data.table个对象具有不同数量的键列，例如a有2个而b有3个，而您运行c <- a[b]，则a和只需在前两个键列上合并b，或者将{3}中的第三列自动合并到b中的第三个键列？一个例子：

require(data.table)
a <- data.table(id=1:10, t=1:20, v=1:40, key=c("id", "t"))
b <- data.table(id=1:10, v2=1:20, key="id")
c <- a[b]

这应该选择与a中的id键列匹配的b行。例如，对于id==1中的b，b中有2行，a中有4行，应在c中生成8行。事实确实如此：

> head(c,10)
    id  t  v v2
 1:  1  1  1  1
 2:  1  1 21  1
 3:  1 11 11  1
 4:  1 11 31  1
 5:  1  1  1 11
 6:  1  1 21 11
 7:  1 11 11 11
 8:  1 11 31 11
 9:  2  2  2  2
10:  2  2 22  2

尝试它的另一种方法是：

d <-b[a]

这应该做同样的事情：对于a中的每一行，它应该在b中选择匹配的行：因为a有一个额外的键列t，该列不应仅用于匹配和仅基于第一个键列的连接，id应该完成。看来情况就是这样：

> head(d,10)
    id v2  t  v
 1:  1  1  1  1
 2:  1 11  1  1
 3:  1  1  1 21
 4:  1 11  1 21
 5:  1  1 11 11
 6:  1 11 11 11
 7:  1  1 11 31
 8:  1 11 11 31
 9:  2  2  2  2
10:  2 12  2  2

有人可以确认吗？需要说明的是：a的第三个关键列是在任何合并中使用的，或data.table仅使用两个表中的min(length(key(DT)))。

Answer 1

好问题。首先，正确的术语是（来自?data.table）：

[a data.table]可能包含一个或多个列的一个键 。此键可用于行索引而不是rownames。

所以“关键”（单数）不是“关键”（复数）。目前，我们可以使用“钥匙”。但是，如果将来添加辅助密钥，则然后可以是多个密钥。每个键（单数）可以有多个列（复数）。

否则你绝对正确。基于其他人的反馈，以下段落在v1.8.2中得到了改进。来自?data.table：

当我是data.table时，x必须有一个键。我使用x的键加入x，并返回匹配的x行。在i的每一列之间执行等连接到x的键中的每一列;即，i的第1列与x的第1列匹配，第2列与第2列匹配，等等。匹配是在O（log n）时间内编译的C中的二进制搜索。如果我的列少于x的键，则x的多行通常与i的每一行匹配，因为不是所有x的键列都将连接到（一个常见的用例）。如果我有比x的键更多的列，则不参与连接的i列将包含在结果中。如果我也有一个密钥，那么i是用于匹配x的密钥列的密钥列（i的密钥的第1列连接到x的密钥的第1列，第2列连接到第2列，依此类推）和二进制合并这两个表的执行情况。在所有连接中，列的名称无关紧要。 x键的列按顺序连接，从i的第1列开始，当我未键入时，或者从i的键的第1列开始。

以下评论，在v1.8.3（关于R-Forge）中，现在读取（以粗体显示）：

当我是data.table时，x必须有一个键。我使用x的键加入x，并返回匹配的x行。在i的每一列之间执行等连接到x的键中的每一列;即，i的第1列与x的第1列匹配，第2列与第2列匹配，等等。匹配是在O（log n）时间内编译的C中的二进制搜索。如果我的列少于x的键，那么并非x的所有键列都将被连接到（一个常见的用例），并且x的许多行将（通常）与i的每一行匹配。如果我有比x的键更多的列，则不参与连接的i列将包含在结果中。如果我也有一个键，那么i是用于匹配x的键列的键列（i的键的第1列连接到x的键的第1列，第i列的第2列是x键的第2列，等等，只要更短的密钥）和两个表的二进制合并就可以执行。在所有联接中，列的名称无关紧要; x键的列按顺序连接，从i的第1列开始，当我未键入时，或者从i的键的第1列开始。 在代码中，连接列的数量由min（length（key（x）），if（haskey（i））length（key（i））else ncol（i）确定。 < / p>

Answer 2

引用data.table FAQ：

X [Y]是一个连接，使用Y（或Y的键，如果有的话）作为索引查找X的行。 Y [X]是一个连接，使用X（或X的键，如果有的话）作为索引查找Y的行。 merge（X，Y）同时执行两种方式。 X [Y]和Y [X]的行数通常不同; 而merge（X，Y）和merge（Y，X）返回的行数相同。

当键列数不同时合并data.table

2 个答案: