【发布时间】：2020-09-16 17:36:18
【问题描述】：
我正在尝试有条件地连接两个 data.tables df1 和 df2，但我得到了一个我无法解释的奇怪输出。
> df1 <- data.table(ID = 1, row_unique_identifier = 1:41, date_1 = as.Date(c(rep('2016-11-14',7), '2017-11-02', rep('2017-11-17',7), rep('2018-12-06', 20), rep('2018-12-07', 6))))
> df2=data.table(ID=1, Date_2A=as.Date(c('2016-11-14', '2018-12-06', '2017-11-17')), Date_2B = as.Date(c('2016-11-14', '2018-12-07', '2017-11-17')), Date_2B_EXTENDED = as.Date(c('2016-11-20', '2018-12-13', '2017-11-23')) )
> df2
ID Date_2A Date_2B Date_2B_EXTENDED
1: 1 2016-11-14 2016-11-14 2016-11-20
2: 1 2018-12-06 2018-12-07 2018-12-13
3: 1 2017-11-17 2017-11-17 2017-11-23
我想有条件地加入 df1 和 df2 以便：
- 应返回所有 df1 行（因此它是左连接）
- df1.ID= df2.ID(df1 和 df2 是样本，实际上有很多ID)
- AND df1.date_1 介于 df2.Date_2A 和 df2.Date_2B_EXTENDED 之间
- 我希望我的输出包含所有 df1 列以及 df2 列，其中包含无法匹配的条目的 NA。
但是当我按如下方式进行连接时，输出很奇怪。似乎 Date_1 覆盖了 df2 的其他三列以及一些奇怪的 NA，它们也不在下面：
> df1[, c('Date_2A', 'Date_2B', 'Date_2B_EXTENDED') := df2[df1, on= .(ID
, Date_2A <= date_1
, Date_2B_EXTENDED >= date_1)
,.(Date_2A, Date_2B, Date_2B_EXTENDED)
, mult = "last"]]
> df1
ID row_unique_identifier date_1 Date_2A Date_2B Date_2B_EXTENDED
1: 1 1 2016-11-14 2016-11-14 2016-11-14 2016-11-14
2: 1 2 2016-11-14 2016-11-14 2016-11-14 2016-11-14
3: 1 3 2016-11-14 2016-11-14 2016-11-14 2016-11-14
4: 1 4 2016-11-14 2016-11-14 2016-11-14 2016-11-14
5: 1 5 2016-11-14 2016-11-14 2016-11-14 2016-11-14
6: 1 6 2016-11-14 2016-11-14 2016-11-14 2016-11-14
7: 1 7 2016-11-14 2016-11-14 2016-11-14 2016-11-14
8: 1 8 2017-11-02 2017-11-02 <NA> 2017-11-02
9: 1 9 2017-11-17 2017-11-17 2017-11-17 2017-11-17
10: 1 10 2017-11-17 2017-11-17 2017-11-17 2017-11-17
11: 1 11 2017-11-17 2017-11-17 2017-11-17 2017-11-17
12: 1 12 2017-11-17 2017-11-17 2017-11-17 2017-11-17
13: 1 13 2017-11-17 2017-11-17 2017-11-17 2017-11-17
14: 1 14 2017-11-17 2017-11-17 2017-11-17 2017-11-17
15: 1 15 2017-11-17 2017-11-17 2017-11-17 2017-11-17
16: 1 16 2018-12-06 2018-12-06 2018-12-07 2018-12-06
17: 1 17 2018-12-06 2018-12-06 2018-12-07 2018-12-06
18: 1 18 2018-12-06 2018-12-06 2018-12-07 2018-12-06
19: 1 19 2018-12-06 2018-12-06 2018-12-07 2018-12-06
20: 1 20 2018-12-06 2018-12-06 2018-12-07 2018-12-06
21: 1 21 2018-12-06 2018-12-06 2018-12-07 2018-12-06
22: 1 22 2018-12-06 2018-12-06 2018-12-07 2018-12-06
23: 1 23 2018-12-06 2018-12-06 2018-12-07 2018-12-06
24: 1 24 2018-12-06 2018-12-06 2018-12-07 2018-12-06
25: 1 25 2018-12-06 2018-12-06 2018-12-07 2018-12-06
26: 1 26 2018-12-06 2018-12-06 2018-12-07 2018-12-06
27: 1 27 2018-12-06 2018-12-06 2018-12-07 2018-12-06
28: 1 28 2018-12-06 2018-12-06 2018-12-07 2018-12-06
29: 1 29 2018-12-06 2018-12-06 2018-12-07 2018-12-06
30: 1 30 2018-12-06 2018-12-06 2018-12-07 2018-12-06
31: 1 31 2018-12-06 2018-12-06 2018-12-07 2018-12-06
32: 1 32 2018-12-06 2018-12-06 2018-12-07 2018-12-06
33: 1 33 2018-12-06 2018-12-06 2018-12-07 2018-12-06
34: 1 34 2018-12-06 2018-12-06 2018-12-07 2018-12-06
35: 1 35 2018-12-06 2018-12-06 2018-12-07 2018-12-06
36: 1 36 2018-12-07 2018-12-07 2018-12-07 2018-12-07
37: 1 37 2018-12-07 2018-12-07 2018-12-07 2018-12-07
38: 1 38 2018-12-07 2018-12-07 2018-12-07 2018-12-07
39: 1 39 2018-12-07 2018-12-07 2018-12-07 2018-12-07
40: 1 40 2018-12-07 2018-12-07 2018-12-07 2018-12-07
41: 1 41 2018-12-07 2018-12-07 2018-12-07 2018-12-07
我理解输出的方式是，比较成功但 date_1 覆盖了与之比较的两列：Date_2A 和 Date_2B_EXTENDED。 Date_2B 中的 NA 条目有意义 --> 没有匹配项....但 date_1 仍然覆盖了该行的 date_2A 和 date_2B_EXTENDED。如何防止覆盖？我以前从来没有遇到过这种情况。我明确指定在匹配后向 df1 添加新列名，这是怎么回事？
编辑： 我通过添加两个额外的列找到了解决此问题的方法：Date_2A_dummy 和 Date_2B_EXTENDED_dummy 到 df2，它们分别与 Date_2A 和 Date_2B_EXTENDED 相同。然后将我的比较语句更改为这两个虚拟变量，它可以工作。但我仍然想知道这是否是最好的方法？！对我来说，这两个变量被覆盖的问题似乎是一个错误？我想不出任何用例来覆盖它们。
【问题讨论】：
-
所以，我找到了解决此问题的方法，方法是向 df2 添加两个额外的 Date_2A_dummy 和 Date_2B_EXTENDED_dummy 列，它们分别与 Date_2A 和 Date_2B_EXTENDED 相同。然后将我的比较更改为这两个虚拟变量，就可以了。但是，我仍然想知道这是否是最好的方法？！在我看来，这两个变量被覆盖是一个错误
标签： r join data.table conditional-statements