我正在尝试理解rolling joins中的data.table。最后给出了重现这一点的数据。
给出机场交易的数据表，在给定时间：
> dt
t_id airport thisTime
1: 1 a 5.1
2: 3 a 5.1
3: 2 a 6.2
（注意t_ids 1＆amp; 3具有相同的机场和时间）
以及从机场起飞的航班查询表：
> dt_lookup
f_id airport thisTime
1: 1 a 6
2: 2 a 6
3: 1 b 7
4: 1 c 8
5: 2 d 7
6: 1 d 9
7: 2 e 8
> tables()
NAME NROW NCOL MB COLS KEY
[1,] dt 3 3 1 t_id,airport,thisTime airport,thisTime
[2,] dt_lookup 7 3 1 f_id,airport,thisTime airport,thisTime
我想将所有交易与从该机场起飞的所有下一班航班相匹配，以便：
t_id airport thisTime f_id
1 a 6 1
1 a 6 2
3 a 6 1
3 a 6 2
所以我认为这样可行：
> dt[dt_lookup, nomatch=0,roll=Inf]
t_id airport thisTime f_id
1: 3 a 6 1
2: 3 a 6 2
但它没有返回交易t_id == 1。
来自the documentation它说：
通常，x的键中不应有重复，......
但是，我的'x key'（即airport＆amp; thisTime）中确实存在重复项，并且无法完全看清楚了解t_id = 1是什么意思从输出中删除。
任何人都可以了解为什么t_id = 1没有被退回，以及如何在重复时让联接工作？
数据
library(data.table)
dt <- data.table(t_id = seq(1:3),
airport = c("a","a","a"),
thisTime = c(5.1,6.2, 5.1), key=c( "airport","thisTime"))
dt_lookup <- data.table(f_id = c(rep(1,4),rep(2,3)),
airport = c("a","b","c","d",
"a","d","e"),
thisTime = c(6,7,8,9,
6,7,8), key=c("airport","thisTime"))
答案 0 :(得分：22)
t_id = 1未出现在输出中的原因是滚动连接占用了最后出现组合键的行。从文档（强调我的）：
适用于上一个连接列，通常是日期，但可以是任何日期 有序变量，不规则且包括间隙。如果roll = TRUE且我是 行匹配除了最后一个x连接列之外的所有列，以及它的值 最后我加入专栏落在一个缺口（包括在最后一个之后） 在x中观察该组），然后x中的主导值是 向前滚动。使用修改后的操作特别快 二分搜索。 该操作也称为最后一次观察 前进（LOCF）。
让我们考虑更大的数据集：
> DT
t_id airport thisTime
1: 1 a 5.1
2: 4 a 5.1
3: 3 a 5.1
4: 2 d 6.2
5: 5 d 6.2
> DT_LU
f_id airport thisTime
1: 1 a 6
2: 2 a 6
3: 2 a 8
4: 1 b 7
5: 1 c 8
6: 2 d 7
7: 1 d 9
当您执行滚动连接时，就像在您的问题中一样：
DT[DT_LU, nomatch=0, roll=Inf]
你得到：
t_id airport thisTime f_id
1: 3 a 6 1
2: 3 a 6 2
3: 3 a 8 2
4: 5 d 7 2
5: 5 d 9 1
如您所见，从组合a, 5.1和d, 6.2开始，最后一行用于连接的数据表。由于您使用Inf作为滚动值，因此所有未来值都包含在生成的数据表中。当你使用：
DT[DT_LU, nomatch=0, roll=1]
您会看到只包含未来的第一个值：
t_id airport thisTime f_id
1: 3 a 6 1
2: 3 a 6 2
3: 5 d 7 2
如果您希望f_id用于airport＆amp;的所有组合thisTime DT$thisTime DT_LU$thisTime低于thisTime，您可以通过ceiling函数创建新变量（或替换现有thisTime2）来实现这一目标。我创建新变量DT_LU然后与DT[, thisTime2 := ceiling(thisTime)]
setkey(DT, airport, thisTime2)[DT_LU, nomatch=0]
进行常规联接的示例：
t_id airport thisTime thisTime2 f_id
1: 1 a 5.1 6 1
2: 4 a 5.1 6 1
3: 3 a 5.1 6 1
4: 1 a 5.1 6 2
5: 4 a 5.1 6 2
6: 3 a 5.1 6 2
7: 2 d 6.2 7 2
8: 5 d 6.2 7 2
给出：
> dt[, thisTime2 := ceiling(thisTime)]
> setkey(dt, airport, thisTime2)[dt_lookup, nomatch=0]
t_id airport thisTime thisTime2 f_id
1: 1 a 5.1 6 1
2: 3 a 5.1 6 1
3: 1 a 5.1 6 2
4: 3 a 5.1 6 2
应用于您提供的数据：
i.col当您想要包含未来值而不是仅包含第一个值时，您需要一种稍微不同的方法，您需要airport功能（尚未记录）：
1 ：首先将密钥设置为仅setkey(DT, airport)
setkey(DT_LU, airport)
列：
i.col 2 ：使用j中的DT1 <- DT_LU[DT, .(tid = i.t_id,
tTime = i.thisTime,
fTime = thisTime[i.thisTime < thisTime],
fid = f_id[i.thisTime < thisTime]),
by=.EACHI]
功能（尚未记录）来获取您想要的内容，如下所示：
> DT1
airport tid tTime fTime fid
1: a 1 5.1 6 1
2: a 1 5.1 6 2
3: a 1 5.1 8 2
4: a 4 5.1 6 1
5: a 4 5.1 6 2
6: a 4 5.1 8 2
7: a 3 5.1 6 1
8: a 3 5.1 6 2
9: a 3 5.1 8 2
10: d 2 6.2 7 2
11: d 2 6.2 9 1
12: d 5 6.2 7 2
13: d 5 6.2 9 1
这会给你：
i一些解释：如果您要连接两个使用相同列名的数据表，您可以通过在列名前面加i.来引用thisTime中数据表的列。现在，可以将DT的{{1}}与thisTime的{{1}}进行比较。使用DT_LU，您可以确保条件保持的所有组合都包含在结果数据表中。
或者，您可以通过以下方式实现相同目标：
by = .EACHI给出相同的结果：
DT2 <- DT_LU[DT, .(airport=i.airport,
tid=i.t_id,
tTime=i.thisTime,
fTime=thisTime[i.thisTime < thisTime],
fid=f_id[i.thisTime < thisTime]),
allow.cartesian=TRUE]
如果您只想在某个边界内包含未来值，可以使用：
> identical(DT1, DT2)
[1] TRUE
给出：
DT1 <- DT_LU[DT,
{
idx = i.thisTime < thisTime & thisTime - i.thisTime < 2
.(tid = i.t_id,
tTime = i.thisTime,
fTime = thisTime[idx],
fid = f_id[idx])
},
by=.EACHI]
当您将其与之前的结果进行比较时，您会看到现在已删除第3,6,9,10和12行。
数据：
> DT1
airport tid tTime fTime fid
1: a 1 5.1 6 1
2: a 1 5.1 6 2
3: a 4 5.1 6 1
4: a 4 5.1 6 2
5: a 3 5.1 6 1
6: a 3 5.1 6 2
7: d 2 6.2 7 2
8: d 5 6.2 7 2