昨天我给出了这个答案:Matching Data Tables by five columns to change a value in another column

在评论中,OP询问我们是否可以有效地实现两个表的左连接,从而获得将右表分配给左表的NA。在我看来,data.table没有提供任何这样做的方法。

这是我在该问题中使用的示例案例:

set.seed(1L);
dt1 <- data.table(id=1:12,expand.grid(V1=1:3,V2=1:4),blah1=rnorm(12L));
dt2 <- data.table(id=13:18,expand.grid(V1=1:2,V2=1:3),blah2=rnorm(6L));
dt1;
##     id V1 V2      blah1
##  1:  1  1  1 -0.6264538
##  2:  2  2  1  0.1836433
##  3:  3  3  1 -0.8356286
##  4:  4  1  2  1.5952808
##  5:  5  2  2  0.3295078
##  6:  6  3  2 -0.8204684
##  7:  7  1  3  0.4874291
##  8:  8  2  3  0.7383247
##  9:  9  3  3  0.5757814
## 10: 10  1  4 -0.3053884
## 11: 11  2  4  1.5117812
## 12: 12  3  4  0.3898432
dt2;
##    id V1 V2       blah2
## 1: 13  1  1 -0.62124058
## 2: 14  2  1 -2.21469989
## 3: 15  1  2  1.12493092
## 4: 16  2  2 -0.04493361
## 5: 17  1  3 -0.01619026
## 6: 18  2  3  0.94383621
key <- paste0('V',1:2);


这是我给出的解决方案,对于不匹配的行,它不会获得NA:

dt1[dt2,on=key,id:=i.id];
dt1;
##     id V1 V2      blah1
##  1: 13  1  1 -0.6264538
##  2: 14  2  1  0.1836433
##  3:  3  3  1 -0.8356286
##  4: 15  1  2  1.5952808
##  5: 16  2  2  0.3295078
##  6:  6  3  2 -0.8204684
##  7: 17  1  3  0.4874291
##  8: 18  2  3  0.7383247
##  9:  9  3  3  0.5757814
## 10: 10  1  4 -0.3053884
## 11: 11  2  4  1.5117812
## 12: 12  3  4  0.3898432


我们需要的是将id中的dt1值12和以下值替换为NA(不是因为它们等于或小于12,也不是因为dt2中缺少这些id值,而是因为联接key列(即V1V2)上的值不会导致dt1中的这些行与dt2匹配)。

正如我在对该问题的评论中所说的那样,一种解决方法是将dt1$id预分配给所有NA,然后运行index-join-assignment。因此,这是预期的输出:

dt1$id <- NA;
dt1[dt2,on=key,id:=i.id];
dt1;
##     id V1 V2      blah1
##  1: 13  1  1 -0.6264538
##  2: 14  2  1  0.1836433
##  3: NA  3  1 -0.8356286
##  4: 15  1  2  1.5952808
##  5: 16  2  2  0.3295078
##  6: NA  3  2 -0.8204684
##  7: 17  1  3  0.4874291
##  8: 18  2  3  0.7383247
##  9: NA  3  3  0.5757814
## 10: NA  1  4 -0.3053884
## 11: NA  2  4  1.5117812
## 12: NA  3  4  0.3898432


我认为解决方法是可以的,但我不确定为什么data.table似乎无法通过index-join-assign操作一次性实现此功能。以下是我探索的三个死胡同:

1:nomatch

data.table提供了一个nomatch参数,看起来有点像allall.xall.ymerge()参数。这实际上是一个非常有限的论点。它仅允许从右连接(默认为nomatch=NA)更改为内部连接(nomatch=0)。我们无法实现与它的左连接。

2:翻转dt1dt2

由于dt1[dt2]是右连接,我们可以将其翻转(即dt2[dt1])以实现相应的左连接。

这也不起作用,因为我们需要在:=参数中使用j就地分配语法来分配给dt1,并且在翻转调用下,我们将改为分配给dt2。我尝试在翻页命令下分配给i.id,但这并没有影响原始的dt1

3:使用merge.data.table()

我们可以使用merge.data.table()参数调用all.x=T来实现左连接。现在的问题是merge.data.table()没有j参数,它只是不提供就地分配左(或右)表列的方法。



因此,是否有可能使用data.table完全执行此操作?如果是这样,最好的方法是什么?

最佳答案

在AFAIU中,您只想从iddt2查找dt1列。当您加入id时,dt1中的原始V1,V2变量似乎与整个过程无关,并且您不想在结果中包含dt1$id值。因此,解决该问题的技术上正确的方法是根本不使用该列。



set.seed(1)
library(data.table)
dt1 <- data.table(id=1:12,expand.grid(V1=1:3,V2=1:4),blah1=rnorm(12L));
dt2 <- data.table(id=13:18,expand.grid(V1=1:2,V2=1:3),blah2=rnorm(6L));
on = paste0("V",1:2) # I rename to `on` to not mask `key` function
dt1[,id:=NULL
    ][dt2,on=on,id:=i.id
      ][]
#  V1 V2      blah1 id
# 1:  1  1 -0.6264538 13
# 2:  2  1  0.1836433 14
# 3:  3  1 -0.8356286 NA
# 4:  1  2  1.5952808 15
# 5:  2  2  0.3295078 16
# 6:  3  2 -0.8204684 NA
# 7:  1  3  0.4874291 17
# 8:  2  3  0.7383247 18
# 9:  3  3  0.5757814 NA
#10:  1  4 -0.3053884 NA
#11:  2  4  1.5117812 NA
#12:  3  4  0.3898432 NA


除了这个问题...
-如果只有一个表达式可以求值,则不必在行尾使用;
-使用dt1[, id := NA_integer_]代替dt1$id <- NA
-在为代码提供set.seed和其他与随机性有关的调用时使用rnorm

关于r - 是否有可能使用data.table index-join-assignment惯用法进行左连接并将i的不匹配行中的NA分配给x?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/39195219/

10-11 07:50