data.table 多列合并答案

【问题标题】：data.table merge by multiple columnsdata.table 多列合并
【发布时间】：2015-08-02 22:51:31
【问题描述】：

我正在尝试成对匹配 4 个变量并添加具有查找值的列。在基础上，我会做merge(df1,df2, by.x=c("lsr","ppr"),by.y=c("li","pro"))，其中df1 有9 个列，df2（2 个是lsr 和pro）df2 只有3 个，li，pro，和“价值”我感兴趣，alpha。

这很好用，但是当我开始成为 data.table 的忠实粉丝时，我想以 data.table 的方式执行此操作 - 因为我有数百万行 - 所以基础合并很慢（我看到by.x 和by.y 功能正在等待data.table，但也许有解决方法）。请参阅下面的一些示例数据：

df2:
         alpha         li        pro
      1: 0.5000000 0.01666667 0.01666667
      2: 0.3295455 0.03333333 0.01666667
      3: 0.2435897 0.05000000 0.01666667
      4: 0.1917808 0.06666667 0.01666667
      5: 0.1571429 0.08333333 0.01666667
df1:     
          demand rtime    mcv         mck        ppr       mlv         mlk        lsr
      1:    0.3     1 357.57700 0.099326944 0.01666667 558.27267 0.155075741 0.01666667
      2:    0.3    10 548.75433 0.152431759 0.01666667 614.30667 0.170640741 0.03333333
      3:    0.3    11 314.55767 0.087377130 0.01666667 636.48100 0.176800278 0.03333333
      4:    0.3     2 312.15033 0.086708426 0.01666667 677.48100 0.188189167 0.06666667
      5:    0.3     3 454.47867 0.126244074 0.01666667 608.92067 0.169144630 0.01666667
     ---                                                                               
6899196:    0.6     5 537.92673 0.149424093 1.00000000 537.92673 0.149424093 1.00000000
6899197:    0.6     6 277.34732 0.077040923 1.00000000 277.34732 0.077040923 1.00000000
6899198:    0.6     7  73.31484 0.020365235 1.00000000  73.31484 0.020365235 1.00000000
6899199:    0.6     8  32.04197 0.008900546 1.00000000  32.04197 0.008900546 1.00000000
6899200:    0.6     9  14.59008 0.004052799 1.00000000  14.59008 0.004052799 1.00000000

最后，也许有趣的是，在df2 中我有唯一的行，而在df1 中，我有很多关于lsr 和ppr 的重复。我还尝试设置两个键并以data.table 方式加入它们，并使用alpha 添加一个新列。但没有成功。

【问题讨论】：

如果您不需要外连接，您可以使用二元连接进行左连接、右连接或内连接。问题是你想要哪一个。虽然从您的基本 R 代码来看，您似乎想要一个内部连接？另外，您要保留哪一列？ df1 中也没有 pro 列
谢谢。实际上我相信，在这种情况下，内连接和左连接是相同的，因为 lsr 和 ppr 或 li 和 pro 的所有组合都包含在 df1 和 df2 中。在 df1 中没有 pro 是一个错字！抱歉，我的意思是 df1 中的 ppr，我将对其进行编辑和更正。我想保留 df1 中的所有列并将 alpha 添加为新列
如果您只需要在更新alpha 列时对df1 进行左连接，这是一个简单的二元连接。试试setkey(df1, lsr, ppr) ; setkey(df2, li, pro) ; df1[df2, alpha := i.alpha] ; df1
因此，如果您的df1 集合中已经有一个alpha 列，i 将告诉data.table 从df2 中的alpha 获取信息。将i, 放在 RHS 上的列名之前总是更安全，以避免可能的意外结果。
好的。现在我真的是 data.table 的粉丝。谢谢！

标签： r merge data.table

【解决方案1】：

您可以使用 David Arenburg 在评论中提供的声明：

setkey(df1, lsr, ppr)
setkey(df2, li, pro)
df1[df2, alpha := i.alpha]

从current devel version, 1.9.5，我们可以直接执行连接，而无需使用on 参数设置键：

df1[df2, alpha := i.alpha, on = c(lsr="li", ppr="pro")]

如果你不想安装devel版本，那么你可以等到CRAN上作为v1.9.6推送。

【讨论】：

df1[df2, alpha := i.alpha] 是否应该向 df1 添加一列？它对我没有任何作用。
是的，请向 data.table 存储库提交错误报告，提供可重现的示例和会话信息