Question

data.table包提供了许多与SQL相同的表处理方法。如果表具有键，则该键由一列或多列组成。但是一个表不能有多个键，因为它不能同时以两种不同的方式排序。

在此示例中，X和Y为data.table个，其中包含一个键列“id”; Y还有一个非键列“x_id”。

   X <- data.table(id = 1:5, a=4:8,key="id")
   Y <- data.table(id = c(1,1, 3,5,7), x_id=c(1,4:1), key="id")

以下语法将连接表上的表：

  X[Y]

如何将以下SQL语法转换为data.table代码？

  select * from X join Y on X.id = Y.x_id;

我最接近的是：

Y[X,list(id, x_id),by = x_id,nomatch=0]

但是，这不会与SQL语句执行相同的内部联接。

这是一个更清晰的示例，其中外键是y_id，我们希望连接查找Y X2$y_id = Y2$id的值。

    X2 <- data.table(id = 1:5, y_id = c(1,1,2,2,2), key="id")
    Y2 <- data.table(id = 1:5, b = letters[1:5], key="id")

我想制作表格：

   id  y_id  b
    1     1 "a"
    2     1 "a"
    3     2 "b"
    4     2 "b"
    5     2 "b"

类似于以下kludge所做的事情：

> merge(data.frame(X2), data.frame(Y2), by.x = "y_id", by.y = "id")
  y_id id b
1    1  1 a
2    1  2 a
3    2  3 b
4    2  4 b
5    2  5 b

然而，当我这样做时：

    X2[Y2, 1:2,by = y_id]

我没有得到理想的结果：

    y_id V1
[1,]    1  1
[2,]    1  2
[3,]    2  1
[4,]    2  2

Answer 1

好问题。请注意?data.table中的以下内容（无可否认）：

当i为data.table时，x必须有密钥。 i使用密钥加入x，并返回匹配的x中的行。 i中每列与x键中每列之间执行等连接。匹配是在O（log n）时间内编译的C中的二进制搜索。如果i列的列数少于x的列数，则x的多行可能与i的每一行匹配。如果i的列数多于x的列数，则结果中会包含未参与联接的i列。 如果i也有密钥，则i的键列用于匹配x的键列和二进制合并进行了两个表格。

所以，这里的关键是i不必键入。只有x必须加密。

X2 <- data.table(id = 11:15, y_id = c(14,14,11,12,12), key="id")
     id y_id
[1,] 11   14
[2,] 12   14
[3,] 13   11
[4,] 14   12
[5,] 15   12
Y2 <- data.table(id = 11:15, b = letters[1:5], key="id")
     id b
[1,] 11 a
[2,] 12 b
[3,] 13 c
[4,] 14 d
[5,] 15 e
Y2[J(X2$y_id)]  # binary search for each item of (unsorted and unkeyed) i
     id b
[1,] 14 d
[2,] 14 d
[3,] 11 a
[4,] 12 b
[5,] 12 b

，或者

Y2[SJ(X2$y_id)]  # binary merge of keyed i, see ?SJ
     id b
[1,] 11 a
[2,] 12 b
[3,] 12 b
[4,] 14 d
[5,] 14 d

identical(Y2[J(X2$y_id)], Y2[X2$y_id])
[1] FALSE

将外键上的SQL连接转换为R data.table语法

1 个答案: