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V1
和V2
)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all
的all.x
,all.y
和merge()
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
dt1
和dt2
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id
到dt2
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/