bgo*_*dst 7 r left-join assign data.table
昨天我给出了这个答案:将数据表匹配五列以更改另一列中的值.
在评论中,OP询问我们是否能够有效地实现两个表的左连接,从而获得将导致右表分配给左表的NA.在我看来,data.table并没有提供任何这样做的方法.
以下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,它不会获得非匹配行的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
我们需要的是对id值12和下留在dt1与NAS(更换不是因为他们是12岁以下,而不是因为这些ID值从丢失dt2,但由于加入的key列,即V1和V2,不导致在比赛中那些行dt1对dt2).
正如我在该问题的评论中所说,解决方法是预先分配dt1$id给所有NA,然后运行索引连接分配.因此,这是预期的输出:
dt1$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似乎无法通过索引连接分配操作一次性完成此功能.以下是我探讨的三个死胡同:
1: nomatch
data.table提供了一个nomatch参数,它看起来有点像了all,all.x和all.y论据merge().这实际上是一个非常有限的论点; 它只允许从右连接(nomatch=NA默认)更改为内连接(nomatch=0).我们无法实现左连接.
2:翻转dt1和dt2
由于dt1[dt2]是一个正确的连接,我们可以翻转它,意思是dt2[dt1],实现相应的左连接.
这不会起作用,因为我们需要在参数中使用:=就地赋值语法j来分配dt1,而在翻转调用下,我们将改为分配dt2.我尝试i.id在翻转命令下分配,但它没有影响原始dt1.
3:使用merge.data.table()
我们可以merge.data.table()使用all.x=T参数调用来实现左连接.现在的问题是merge.data.table()没有j参数,它根本没有提供就地分配左(或右)表的列的方法.
那么,是否可以使用data.table执行此操作？如果是这样,最好的方法是什么？
AFAIU你只是想查找id从列dt2到dt1.当您加入时,原始id变量dt1似乎与整个过程无关V1,V2,您不希望dt1$id在结果中包含值.因此,技术上正确的解决方法是根本不使用该列.
set.seed(1)
library(data.table)
dt1 <- data.table(id=1:12,expand.grid(V1=1:3,V2=1:4),blah1=rnorm(12L));
dt2 <- data.table(id=13:18,expand.grid(V1=1:2,V2=1:3),blah2=rnorm(6L));
on = paste0("V",1:2) # I rename to `on` to not mask `key` function
dt1[,id:=NULL
][dt2,on=on,id:=i.id
][]
# V1 V2 blah1 id
# 1: 1 1 -0.6264538 13
# 2: 2 1 0.1836433 14
# 3: 3 1 -0.8356286 NA
# 4: 1 2 1.5952808 15
# 5: 2 2 0.3295078 16
# 6: 3 2 -0.8204684 NA
# 7: 1 3 0.4874291 17
# 8: 2 3 0.7383247 18
# 9: 3 3 0.5757814 NA
#10: 1 4 -0.3053884 NA
#11: 2 4 1.5117812 NA
#12: 3 4 0.3898432 NA
除了问题...
- ;如果只有单个表达式要评估
,则dt1[, id := NA_integer_]不必在行尾使用 - 使用而不是dt1$id <- NA
- set.seed在提供代码rnorm和其他随机性相关调用时使用