出于效率和可维护性的考虑,我更喜欢“update join”习惯用法:**
DT[WHERE, v := FROM[.SD, on=, x.v]]
它是vignette("datatable-reference-semantics") 中“通过引用更新某些列的行 - sub-assign 通过引用”中所示内容的扩展。一旦在连接上有可用的小插图,那也应该是一个很好的参考。
这是有效的,因为它只使用WHERE 选择的行并就地修改或添加列,而不是像更简洁的左连接FROM[DT, on=] 那样创建新表。
它使我的代码更具可读性,因为我可以很容易地看到连接点是添加列v;而且我不必考虑 SQL 中的“左”/“右”行话,或者在加入后是否保留行数。
这对于代码维护很有用,因为如果我以后想知道 DT 是如何得到一个名为 v 的列的,我可以在我的代码中搜索 v :=,而 FROM[DT, on=] 会掩盖正在添加的新列.此外,它允许WHERE 条件,而左连接不允许。这可能很有用,例如using FROM to "fill" NAs in an existing column v。
与其他更新加入方式DT[FROM, on=, v := i.v]相比,我能想到两个优点。首先是使用WHERE 子句的选项,其次是在连接出现问题时通过警告的透明度,例如FROM 中的重复匹配以on= 规则为条件。这是扩展 OP 示例的插图:
library(data.table)
A <- data.table(id = letters[1:10], amount = rnorm(10)^2)
B2 <- data.table(
id = c("c", "d", "e", "e"),
ord = 1:4,
comment = c("big", "slow", "nice", "nooice")
)
# left-joiny update
A[B2, on=.(id), comment := i.comment, verbose=TRUE]
# Calculated ad hoc index in 0.000s elapsed (0.000s cpu)
# Starting bmerge ...done in 0.000s elapsed (0.000s cpu)
# Detected that j uses these columns: comment,i.comment
# Assigning to 4 row subset of 10 rows
# my preferred update
A[, comment2 := B2[A, on=.(id), x.comment]]
# Warning message:
# In `[.data.table`(A, , `:=`(comment2, B2[A, on = .(id), x.comment])) :
# Supplied 11 items to be assigned to 10 items of column 'comment2' (1 unused)
id amount comment comment2
1: a 0.20000990 <NA> <NA>
2: b 1.42146573 <NA> <NA>
3: c 0.73047544 big big
4: d 0.04128676 slow slow
5: e 0.82195377 nooice nice
6: f 0.39013550 <NA> nooice
7: g 0.27019768 <NA> <NA>
8: h 0.36017876 <NA> <NA>
9: i 1.81865721 <NA> <NA>
10: j 4.86711754 <NA> <NA>
在left-join-flavored 更新中,即使id == "e" 有两个匹配项,您也会默默地获得comment 的最终值;而在另一个更新中,您会收到一条有用的警告消息(升级到an error in a future release)。即使使用 left-joiny 方法打开 verbose=TRUE 也没有提供信息——它说有四行正在更新,但没有说一行正在更新两次。
我发现当我的数据被安排到一组整洁/关系表中时,这种方法效果最好。一个很好的参考是Hadley Wickham's paper。
** 在此成语中,on= 部分应填写连接列名称和规则,如on=.(id) 或on=.(from_date >= dt_date)。可以使用roll=、mult= 和nomatch= 传递更多连接规则。有关详细信息,请参阅?data.table。感谢@RYoda 在 cmets 中指出这一点。
这是一个来自 Matt Dowle 的更复杂的例子,他解释了roll=:Find time to nearest occurrence of particular value for each row
另一个相关例子:Left join using data.table