Question

我有两个data.tables，X（3米行乘500列）和Y（100行乘两列）。

set.seed(1)
X <- data.table( a=letters, b=letters, c=letters, g=sample(c(1:5,7),length(letters),replace=TRUE), key="g" )
Y <- data.table( z=runif(6), g=1:6, key="g" )

我想在X上进行左外连接，我可以Y[X]执行此操作，这要归功于：

Why does X[Y] join of data.tables not allow a full outer join, or a left join?

但我想将新列添加到X 而不复制X（因为它很大）。

显然，像X <- Y[X]这样的东西有效，但是除非data.table远远超过我认可的（并且我认为它非常狡猾！），我相信这会复制整个X。

X[ , z:= Y[X,z]$z ]可以使用，但是很难克服并且不能很好地扩展到多个列。

如何以合法的方式（在副本和程序员时间方面）将合并结果存储回保留的data.table中？

Answer 1

这很容易做到：

X[Y, z := i.z]

这是有效的，因为此处Y[X]和X[Y]之间的唯一区别是，某些元素不在Y中，在这种情况下，您可能希望z是NA，上述作业将完全按照这一点进行。

它对许多变量也同样有用：

X[Y, `:=`(z1 = i.z1, z2 = i.z2, ...)]

由于您需要操作Y[X]，您可以添加参数nomatch=0（如@mnel指出的那样），以便不为那些X不包含来自Y的键值的那些获取NA那就是：

X[Y, z := i.z, nomatch=0]

来自NEWS for data.table

    **********************************************
    **                                          **
    **   CHANGES IN DATA.TABLE VERSION 1.7.10   **
    **                                          **
    **********************************************

新功能

o   The prefix i. can now be used in j to refer to join inherited
    columns of i that are otherwise masked by columns in x with
    the same name.

Answer 2

作为上述答案的补充，您还可以执行（v1.9.6+）：

require(data.table) # v1.9.6+
X[Y, (colNames) := mget(paste0("i.", colNames))]

其中colNames是一个字符向量，列出了您想要的列Y。这使您可以在添加多列的情况下有效地选择要添加的列（从colNames的子集中定义names(Y)）。

此外，您可以将其与新的on=参数（来自v1.9.6+）合并为：

# ad-hoc joins using 'on=' instead of setting keys
require(data.table) # v1.9.6+
X[Y, (colNames) := mget(paste0("i.", colNames)), on = "g"]

此处(colNames) := mget(colNames)策略归功于akrun：Update rows of data frame in R。

data.table join然后将列添加到现有data.frame而不重新复制

2 个答案: