非 equi 连接一步添加 data.table 中范围表的所有列答案

【问题标题】：non-equi joins adding all columns of range table in data.table in one step非 equi 连接一步添加 data.table 中范围表的所有列
【发布时间】：2017-05-29 00:14:21
【问题描述】：

我确定我忽略了显而易见的问题，但是我找不到一种方法可以将“查找”表的所有列加入 data.table 非等值联接一步。

我查看了 Arun 的演示文稿 (https://github.com/Rdatatable/data.table/wiki/talks/ArunSrinivasanSatRdaysBudapest2016.pdf) 和多个 SO 问题，但几乎所有这些问题都只涉及更新单个列，而不是加入多个列。

假设我有 2 个 data.tables a 和 b：

library(data.table)
a <- data.table(Company_ID = c(1,1,1,1),
            salary = c(2000, 3000, 4000, 5000))

#   Company_ID salary
# 1:          1   2000
# 2:          1   3000
# 3:          1   4000
# 4:          1   5000

b <- data.table(cat = c(1,2),
            LB = c(0, 3000),
            UB = c(3000,5000),
            rep = c("Bob","Alice"))

#    cat   LB   UB   rep
# 1:   1    0 3000   Bob
# 2:   2 3000 5000 Alice

我最终想要的是将猫、LB、UB、rep（b 中的所有列）与表 a 匹配：

#    Company_ID salary cat   LB   UB   rep
# 1:          1   2000   1    0 3000   Bob
# 2:          1   3000   2 3000 5000 Alice
# 3:          1   4000   2 3000 5000 Alice

目前，我设法做到这一点的唯一方法是使用以下两行：

a <- a[b, on = .(salary >= LB, salary < UB), cat := cat]
a[b, on = .(cat == cat)]

它输出所需的表，但看起来很麻烦，一点也不像data.table 方法。任何帮助将不胜感激！

【问题讨论】：

旁注：您应该/不需要执行a <- a[..., ... := ...]，因为:= 运算符通过引用修改了a。
这当然是正确的，谢谢 - 我猜是正常 join X[Y] 语法的习惯

标签： r join data.table

【解决方案1】：

由于您想要a 的每一行的结果，您应该像b[a, ...] 一样进行连接：

b[a, on=.(LB <= salary, UB > salary), nomatch=0, 
  .(Company_ID, salary, cat, LB = x.LB, UB = x.UB, rep)]

   Company_ID salary cat   LB   UB   rep
1:          1   2000   1    0 3000   Bob
2:          1   3000   2 3000 5000 Alice
3:          1   4000   2 3000 5000 Alice

nomatch=0 表示我们将删除在 b 中不匹配的 a 行。
我们需要使用 x.* 前缀（来自 ?data.table 文档，其中参数命名为 x[i]）显式引用 b 中的 UB 和 LB 列。李>

关于奇怪的默认 cols，有一个未解决的问题可以改变这种行为：#1615。

（Issue #1989，如下所示，现已修复——请参阅 Uwe 的回答。）

交替... 一种可行且避免显式列出所有列的方法：将a 的列添加到b，然后子集b：

b[a, on=.(LB <= salary, UB > salary), names(a) := mget(paste0("i.", names(a)))] 
b[b[a, on=.(LB <= salary, UB > salary), which=TRUE, nomatch=0]]

这有两个问题。首先，当遇到mget (#1989) 时，有一个错误会导致非 equi 连接中断。临时解决方法是枚举a 的列：

b[a, on=.(LB <= salary, UB > salary), `:=`(Company_ID = i.Company_ID, salary = i.salary)] 
b[b[a, on=.(LB <= salary, UB > salary), which=TRUE, nomatch=0]]

其次，执行此连接两次效率低下（一次用于:=，第二次用于which），但我看不到任何解决方法......也许可以证明一个功能请求允许两者@ 987654344@和which?

【讨论】：

谢谢，弗兰克，它就像你描述的那样工作。那么，我是否正确假设您必须在J 中使用.(...) 语法显式指定所有列？如果我阅读了 Arun 对您正确链接的问题的评论，那是设计使然，因为非等连接通常会返回更多行，因此默认情况下返回所有列不合适？
@bendae 我正在考虑是否有解决方法......如果我想到它，我会进行编辑。同时，请让您的问题保持开放/不要接受此答案，因为其他人可能知道方法。 Arun 的评论是针对之前的评论者（他有兴趣在 merge 而不是 [ 中非 equi 加入）。
再次感谢您！如果接下来几天没有其他问题，我会接受你的回答。

【解决方案2】：

现在，#1989 已使用 data.table 版本 1.12.3（开发中）修复，可以从 a 和 b 中选择所有列，而无需明确说明每个列名称：

a[b, on = .(salary >= LB, salary < UB), 
  mget(c(paste0("x.", names(a)), paste0("i.", names(b))))]

   x.Company_ID x.salary i.cat i.LB i.UB i.rep
1:            1     2000     1    0 3000   Bob
2:            1     3000     2 3000 5000 Alice
3:            1     4000     2 3000 5000 Alice

返回 OP 的预期结果，列标题除外。

要更改列标题，可以使用data.table 包中的setnames()：

result <- a[b, on = .(salary >= LB, salary < UB), 
            mget(c(paste0("x.", names(a)), paste0("i.", names(b))))] 
setnames(result, c(names(a), names(b)))
result

   Company_ID salary cat   LB   UB   rep
1:          1   2000   1    0 3000   Bob
2:          1   3000   2 3000 5000 Alice
3:          1   4000   2 3000 5000 Alice

或者，使用管道并使用来自magrittr 包的set_names()

library(magrittr)
a[b, on = .(salary >= LB, salary < UB), 
  mget(c(paste0("x.", names(a)), paste0("i.", names(b)))) %>% 
    set_names(c(names(a), names(b)))]

   Company_ID salary cat   LB   UB   rep
1:          1   2000   1    0 3000   Bob
2:          1   3000   2 3000 5000 Alice
3:          1   4000   2 3000 5000 Alice

诚然，这仍然很麻烦。

【讨论】：