如何进行data.table合并操作
https://stackoverflow.com/questions/2232699
-
19-09-2019 - |
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
Russian题
笔记：这个问题和以下答案参考data.table版本<1.5.3；v.2011 年 2 月发布了 1.5.3 来解决此问题。 查看最近的治疗（03-2012）： 将外键上的 SQL 连接转换为 R data.table 语法
我一直在挖掘文档 数据表包 （data.frame 的替代品，对于某些操作来说效率更高），包括 Josh Reich 在 NYC R Meetup 上关于 SQL 和 data.table 的演讲 （pdf），但无法弄清楚这个完全微不足道的操作。
> x <- DT(a=1:3, b=2:4, key='a')
> x
a b
[1,] 1 2
[2,] 2 3
[3,] 3 4
> y <- DT(a=1:3, c=c('a','b','c'), key='a')
> y
a c
[1,] 1 a
[2,] 2 b
[3,] 3 c
> x[y]
a b
[1,] 1 2
[2,] 2 3
[3,] 3 4
> merge(x,y)
a b c
1 1 2 a
2 2 3 b
3 3 4 c
文档说：“当[第一个参数]本身是一个数据时。显然不是这样。我可以使用 data.tables 将 y 中的其他列获取到 x[y] 的结果中吗？看起来它只是获取 x 的行，其中键与 y 的键匹配，但完全忽略 y 的其余部分......
解决方案
您引用了文档的错误部分。如果你看一下文档 [.data.table 你会读到：
当我是一个数据时。表，x必须有一个键，这意味着将i加入x和x和 返回x中的行. 。按顺序，在X键中的每一列中的每列中的每一列之间执行一个等电量。这类似于通过2列矩阵设置矩阵的基础R功能，在更高的维度下，通过n列矩阵来子集n维数组
我承认包的描述（你引用的部分）有点令人困惑，因为它似乎说可以使用“[”操作来代替合并。但我认为它说的是：如果 x 和 y 都是 data.tables，我们在索引上使用联接（像合并一样调用）而不是二分搜索。
还有一件事：
我通过安装的 data.table 库 install.packages 缺少了 merge.data.table method, ，所以使用 merge 会打电话 merge.data.frame. 。安装后 R-Forge 的软件包 R用得更快 merge.data.table 方法。
您可以通过检查以下输出来检查是否有 merge.data.table 方法：
methods(generic.function="merge")
编辑[答案不再有效]： 这个答案指的是data.table版本1.3。在版本 1.5.3 中，data.table 的行为发生了变化，x[y] 返回了预期的结果。谢谢 马修·道尔, data.table 的作者，在评论中指出了这一点。
其他提示
感谢您的回答。当它最初发布时我错过了这个线程。data.table 自二月份以来一直在变化。1.4.1 不久前发布到 CRAN，1.5 也即将发布。例如，DT() 别名已替换为 list()；作为一个原语，它的速度要快得多，并且 data.table 现在继承自 data.frame，因此它可以与以下包一起使用 仅有的 接受ggplot和lattice等data.frame，无需任何转换（更快更方便）。
是否可以订阅 data.table 标签，以便当有人用该标签发布问题时我会收到一封电子邮件？数据表帮助列表已增长到每月约 30-40 条消息，但如果我能收到某种通知，我也很乐意在这里回答。
马修
我认为使用 base::merge 不需要函数，因为使用 data.table 连接可以快得多。例如。请参阅以下内容。我做 x 和 y 具有 3-3 列的 data.tables：
x <- data.table( foo = 1:5, a=20:24, zoo = 5:1 )
y <- data.table( foo = 1:5, b=30:34, boo = 10:14)
setkey(x, foo)
setkey(y, foo)
并将两者合并 base:merge 和 data.table 加入以查看执行速度：
system.time(merge(x,y))
## user system elapsed
## 0.027 0.000 0.023
system.time(x[,list(y,x)])
## user system elapsed
## 0.003 0.000 0.006
结果并不相同，因为后者多了一个列：
merge(x,y)
## foo a zoo b boo
## [1,] 1 20 5 30 10
## [2,] 2 21 4 31 11
## [3,] 3 22 3 32 12
## [4,] 4 23 2 33 13
## [5,] 5 24 1 34 14
x[,list(x,y)]
## foo a zoo foo.1 b boo
## [1,] 1 20 5 1 30 10
## [2,] 2 21 4 2 31 11
## [3,] 3 22 3 3 32 12
## [4,] 4 23 2 4 33 13
## [5,] 5 24 1 5 34 14
这不会造成大麻烦:)
我认为 f3lix 是正确的，并且文档有点误导。这样做的好处是可以快速连接来对数据进行子集化。您最终仍然需要使用 merge 之后的功能如上面的示例所示。
你会看到在 Josh 关于使用 data.table 的演示 这就是他的例子的运行方式。他首先对其中一个 data.tables 进行子集化，然后进行合并：
library(data.table)
sdt <- DT(series, key='series_id')
ddt <- DT(data, key='series_id')
u <- sdt[ grepl('^[A-Z]{2}URN', fred_id) & !grepl('DSURN', fred_id) ]
d <- ddt[ u, DT(min=min(value)), by='series_id', mult='all']
data <- merge(d,series)[,c('title','min','mean','max')]
