Question

此帖子与此处的前一篇帖子有关：match rows of two data.tables to fill subset of a data.table

不确定如何将它们集成在一起。我遇到的情况是，除了DT1的一列的NA以外，还应该申请其他几个条件，但这是行不通的。

> DT1 <- data.table(colA = c(1,1, 2,2,2,3,3), colB = c('A', NA, 'AA', 'B', NA, 'A', 'C'), timeA = c(2,4,3,4,6,1,4))
> DT1
   colA colB timeA
1:    1    A     2
2:    1 <NA>     4
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6
6:    3    A     1
7:    3    C     4
> DT2 <- data.table(colC = c(1,1,1,2,2,3), timeB1 = c(1,3,6, 2,4, 1), timeB2 = c(2,5,7,3,5,4), colD = c('Z', 'YY', 'AB', 'JJ', 'F', 'RR'))
> DT2
   colC timeB1 timeB2 colD
1:    1      1      2    Z
2:    1      3      5   YY
3:    1      6      7   AB
4:    2      2      3   JJ
5:    2      4      5    F
6:    3      1      4   RR

使用与上述相同的准则，我只想将DT1中colB的NA值与DT2的ColD合并到DT1的colB中，并使用DT1中的timeA在DT2中的timeB1和timeB2之间的colD值。我尝试了以下操作，但没有合并：

 > output <- DT1[DT2, on = .(colA = colC), colB := ifelse(is.na(x.colB) & i.timeB1 <= x.timeA & x.timeA <= i.timeB2, i.colD, x.colB)]
> output
> output
   colA colB timeA
1:    1    A     2
2:    1 <NA>     4
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6
6:    3    A     1
7:    3    C     4

输出没有任何变化。这是我想要的输出：

> desired_output
   colA colB timeA
1:    1    A     2
2:    1   YY     4   --> should find a match
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6   --> shouldn't find a match
6:    3    A     1
7:    3    C     4

为什么这行不通？我只想使用data.table操作，而不使用其他程序包。

Answer 1

colB中DT1的就地更新将按以下方式工作：

DT1[is.na(colB), colB := DT2[DT1[is.na(colB)], 
                    on = .(colC = colA, timeB1 <= timeA, timeB2 >= timeA), colD]]
print(DT1)
   colA colB timeA
1:    1    A     2
2:    1   YY     4
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6
6:    3    A     1
7:    3    C     4

这将为colB为NA的值建立索引，并在条件on= ...中定义的条件联接之后，将丢失的值替换为{{1}中找到的匹配值}。

Answer 2

可能不是最合理的答案，但可以完成工作。.我不是data.table-expert，所以我欢迎改进/建议。

DT1[ is.na(colB), colB := DT1[ is.na(colB), ][ DT2, colB := i.colD, on = c( "colA == colC", "timeA >= timeB1", "timeA <= timeB2")]$colB]

做什么：
首先，是is.na（colB）= TRUE
的所有行的子集DT1 然后，根据DT2上同一行子集的非等分连接的结果，使用colB-vector更新这些行中的colB值

奖金是DT1被引用跟踪，所以它在大数据上非常快且内存高效（我认为）。

   colA colB timeA
1:    1    A     2
2:    1   YY     4
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6
6:    3    A     1
7:    3    C     4

data.table的子集的条件data.table匹配

2 个答案: