Question

给定的两个数据表（tbl_A和tbl_B），我想在选择所有的行中的tbl_A，其具有在tbl_B，和我希望代码具有表现力。如果为data.tables定义了%in%运算符，那么这样的事情将是理想的：

subset <- tbl_A[tbl_A %in% tbl_B]

我可以想出很多方法来实现我想要的东西，例如：

# double negation (set differences)
subset <- tbl_A[!tbl_A[!tbl_B,1,keyby=a]]

# nomatch with keyby and this annoying `[,V1:=NULL]` bit
subset <- tbl_B[,1,keyby=.(a=x)][,V1:=NULL][tbl_A,nomatch=0L]

# nomatch with !duplicated() and setnames()
subset <- tbl_B[!duplicated(tbl_B),.(x)][tbl_A,nomatch=0L]; setnames(subset,"x","a")

# nomatch with !unique() and setnames()
subset <- unique(tbl_B)[,.(x)][tbl_A,nomatch=0L]; setnames(subset,"x","a")

# use of a temporary variable (Thanks @Frank)
subset <- tbl_A[, found := FALSE][tbl_B, found := TRUE][(found)][,found:=NULL][]

但每个表达式都难以阅读，乍看之下代码的作用并不明显。有没有更惯用/表达的方式来完成这项任务？

出于示例的目的，这里有一些玩具data.tables：

# toy tables
tbl_A  <- data.table(a=letters[1:5],
                     b=1:5,
                     c=rnorm(5))
tbl_B  <- data.table(x=letters[3:7],
                     y=13:17,
                     z=rnorm(5))
# both tables might have multiple rows with the same key fields.  
tbl_A <- rbind(tbl_A,tbl_A)
tbl_B <- rbind(tbl_B,tbl_B)
setkey(tbl_A,a)
setkey(tbl_B,x)

以及包含tbl_A中与tbl_B中至少一行匹配的行的预期结果：

   a b          c
1: c 3 -0.5403072
2: c 3 -0.5403072
3: d 4 -1.3353621
4: d 4 -1.3353621
5: e 5  1.1811730
6: e 5  1.1811730

Answer 1

再添加2个选项

tbl_A[fintersect(tbl_A[,.(a)], tbl_B[,.(a=x)])]

和

tbl_A[unique(tbl_A[tbl_B, nomatch=0L, which=TRUE])]

Answer 2

我不确定它是多么富有表现力（如果没有道歉），但这似乎有效：

tbl_A[,.(a,b,c,any(a == tbl_B[,x])), by = a][V4==TRUE,.(a,b,c)]

我确信它可以改进 - 我昨天才发现任何（）并且仍在测试它：）

在data.table中明确选择与另一个data.table中的行匹配的行

2 个答案: