R：当使用 data.table 时，当我执行 x[y] 时如何获得 y 列？

Question

更新：老问题......它已在 2011 年 2 月由 data.table v1.5.3 解决。

我正在尝试使用data.table 包，并且非常喜欢我得到的加速，但是当我执行x[y, <expr>] 时，我被这个错误难住了，其中x 和y 是“数据表”具有相同的键，并且<expr> 包含x 和y 的列名：

require(data.table)
x <- data.table( foo = 1:5, a = 5:1 )
y <- data.table( foo = 1:5, boo = 10:14)
setkey(x, foo)
setkey(y, foo)
> x[y, foo*boo]
Error in eval(expr, envir, enclos) : object 'boo' not found

更新... 为了阐明我在上面的示例中寻找的功能：我需要执行以下等效操作：

with(merge(x,y), foo*boo)

但是，根据data.table FAQ 的以下摘录，这应该有效：

最后，虽然看起来好像 x[y] 不返回 y 中的列， 您实际上可以使用来自 y 在 j 表达式中。这就是我们 意思是加入继承范围。为什么不 只是返回所有的联合 来自 x 和 y 的列，然后运行 对此的表达？归结为 代码效率和更快 编程。当你写 x[y,fooboo], data.table 自动 检查 j 表达式以查看哪个 它使用的列。它只会子集， 或组，仅这些列。记忆 仅为 j 列创建 用途。假设 foo 在 x 中，而 boo 在 y 中（连同其他 20 列 在 y)。 x[y,fooboo] 不是更快吗 程序和运行速度比 合并步骤后跟另一个子集 步骤？

我知道this question 解决了类似的问题，但似乎没有得到令人满意的解决。有谁知道我错过了什么或误解了什么？谢谢。

更新：我在数据表帮助邮件列表和包作者（Matthew Dowle）replied 上询问确实上面引用的常见问题解答是错误的，所以我使用的语法目前不起作用，即我无法参考当我做x[y,...] 时，到j（即第二个）参数中的y 列。

Answer 1

我不确定我是否很好地理解了这个问题，而且我也刚刚开始阅读 data.table 库的文档，但我想如果你想获得 y 并通过 a 的列对那些做一些事情，你可以尝试类似：

> x[y,a*y]
     foo boo
[1,]   5  50
[2,]   8  44
[3,]   9  36
[4,]   8  26
[5,]   5  14

在这里，您将得到 y 的列乘以 x 的 a 列。如果你想得到x的foo乘以y的boo，试试：

> y[,x*boo]
     foo  a
[1,]  10 50
[2,]  22 44
[3,]  36 36
[4,]  52 26
[5,]  70 14

---

编辑后：感谢@Prasad Chalasani 让我的问题更清楚。

如果首选简单合并，那么以下应该可以工作。我编了一个更复杂的数据来更深入地了解这些操作：

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)

因此，每个 data.table 中只添加了一个额外的列。让我们看看merge 并用data.tables 做吧：

> 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 

后者看起来要快得多。虽然结果并不相同，但可以以相同的方式使用（后一次运行的额外列）：

> 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

所以要获得xy，我们可以使用：xy <- x[,list(x,y)]。要从 xy$foo * xy$boo 计算单列 data.table，以下方法可能有效：

> xy[,foo*boo]
[1] 10 22 36 52 70

嗯，结果不是 data.table 而是一个向量。

---

更新（2012 年 3 月 29 日）：感谢 @David 提醒我注意上述示例中使用了 merge.data.table。