Question

首先我要说的是，这是我在堆栈溢出时发布的第一个问题。如果我需要在我的问题中更改样式，格式等，请告诉我。

我想对两个数据表执行左外连接操作，其中一个exra条件允许我对两个数据表中的关键变量使用不同的名称。例如：

DT1 = data.table(x1=c("b","c", "a", "b", "a", "b"),   x2a=1:6,m1=seq(10,60,by=10))
setkey(DT1,x1,x2a)
> DT1
   x1 x2a m1
1:  a   3 30
2:  a   5 50
3:  b   1 10
4:  b   4 40
5:  b   6 60
6:  c   2 20
DT2 = data.table(x1=c("b","d", "c", "b","a","a"),x2b=c(1,4,7,6," "," "),m2=5:10)
setkey(DT2,x1,x2b)
> DT2
   x1 x2b m2
1:  a      9
2:  a     10
3:  b   1  5
4:  b   6  8
5:  c   7  7
6:  d   4  6
############# first, I use the merge operation on the data frames to do a left outer join
dfL<-merge.data.frame(DT1,DT2,by.x=c('x1','x2a'),by.y=c('x1','x2b'),all.x=TRUE)
> dfL
  x1 x2a m1 m2
1  a   3 30 NA
2  a   5 50 NA
3  b   1 10  5
4  b   4 40 NA
5  b   6 60  8
6  c   2 20 NA
################# attempt with data table left outer join 
> dtL<-DT2[DT1,on=c("x1","x2a")]
Error in forderv(x, by = rightcols) : 
  'by' value -2147483648 out of range [1,3]

#################### code that works with data table
DT1 = data.table(x1=c("b","c", "a", "b", "a", "b"), x2=as.character(1:6),m1=seq(10,60,by=10))
setkey(DT1,x1,x2)
DT1
DT2 = data.table(x1=c("b","d", "c", "b","a","a"),x2=c(1,4,7,6," "," ") ,m2=5:10)
setkey(DT2,x1,x2)
DT2
dtL<-DT2[DT1]
######################## this required identical naming of the key variables in the two data tables
################### Also does not allow a ad-hoc selection of the key variables with the "on" argument

我想知道是否可以保留合并命令与数据帧的灵活性。使用data.table。

Answer 1

从v1.9.6（2015年9月CRAN）：

X[Y]语法现在可以加入而无需设置键使用新的on参数。例如：DT1[DT2, on=c(x = "y")]会将DT2的“y”列与DT1的“x”相连接。 DT1[DT2, on="y"]将加入两个data.tables的列“y”。

请在README中搜索字符串“on =”，以获取有关开发中v1.9.7中on=的更多相关项目。您要求左外连接，这是默认的X[Y]语法（X[Y,nomatch=0]切换到内连接）。

但请注意，如果您可以支付setkey的前期费用（在data.table中相当快），那么设置密钥总是会更快以便随后加入。该概念类似于SQL中的 clustered 索引。

X[Y]语法与merge()的优势在于您可以在同一j个查询中包含by和[...]。这样的查询已经过优化，只有j表达式所需的列才会加入，从而节省了时间和RAM。见FAQ 1.12。 by=.EACHI也是X[Y]语法的一个强大功能，您无需使用merge()并且目前对data.table是唯一的。您可以在on=查询中使用by=.EACHI和DT[...]。

Answer 2

来自?data.table::merge

data.table的这种合并方法与data.frames的合并方法非常相似，但有一个主要的例外：默认情况下，用于合并data.tables的列是共享键列，而不是具有相同名称的共享列。明确地设置by或byx，by.y参数以覆盖此默认值。

因此我们可以使用by参数来覆盖keys。

library(data.table)

DT1 = data.table(x1=c("b","c", "a", "b", "a", "b"),   x2a=1:6,m1=seq(10,60,by=10))
DT2 = data.table(x1=c("b","d", "c", "b","a","a"),x2b=c(1,4,7,6," "," "),m2=5:10)

## you will get an error when joining a character to a integer:
DT2$x2b <- as.integer(DT2$x2b)
## Alternative:
## DT2 = data.table(x1=c("b","d", "c", "b","a","a"),x2b=c(1,4,7,6,NA,NA),m2=5:10)

merge(DT1, DT2, by.x=c('x1','x2a'), by.y=c('x1','x2b'), all.x=TRUE)

   x1 x2a m1 m2
1:  a   3 30 NA
2:  a   5 50 NA
3:  b   1 10  5
4:  b   4 40 NA
5:  b   6 60  8
6:  c   2 20 NA

左外连接data.table，具有不同的关键变量名称

2 个答案: