通过两个变量和最接近的第三个变量合并 data.table

Question

我想对 data.tables 执行一项操作，我目前可以成功地使用 data.frames 执行该操作。本质上，它是两个 data.frames 的合并函数，它在 df2 中为 df1 找到许多匹配变量之一的最接近匹配。这段代码如下。

我想在 data.tables 中执行此操作，因为我的 data.frames 非常大，如果我尝试对完整数据完成此操作，我当前的设置会崩溃。 Data.table 可能允许我在完整集上直接完成，但如果不是，我发现在使用多个数据子集时更容易使用 data.table。

我正在寻找 df2 中的 Id（及其对应的 value），它与 df1 中的 States value 通过变量 MM 和 variable（在此data.frame 方法，如果存在最接近的匹配关系（例如，存在正 1 和负 1 的值），则可能发生多个配对）。使用 data.frames 时，我得到的解决方案如下final。我不知道如何设置 data.table 给我相同的结果。我已经尝试过我的钥匙的变体，下面是一个例子。我在代码中引用的 data.frame 问题中有一个answer using data.table，但是，我无法让它与我的示例数据一起使用。

# data.frame method
# used info from this thread: https://stackoverflow.com/questions/16095680
df1 <- structure(list(State = structure(c(1L, 1L, 3L, 3L, 2L, 2L, 1L, 
1L, 1L), .Label = c("AK", "CO", "MS"), class = "factor"), MM = c(1L, 
2L, 1L, 2L, 3L, 4L, 3L, 4L, 2L), variable = structure(c(1L, 1L, 
1L, 1L, 2L, 2L, 2L, 2L, 2L), .Label = c("TMN", "TMX"), class = "factor"), 
    value = c(1L, 2L, 3L, 4L, 2L, 3L, 5L, 6L, 7L)), .Names = c("State", 
"MM", "variable", "value"), class = "data.frame", row.names = c(NA, 
-9L))
df2 <- structure(list(Id = c(1L, 2L, 3L, 1L, 2L, 3L, 5L, 6L, 7L, 5L, 
6L, 7L, 8L), MM = c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 
4L, 5L), variable = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L), .Label = c("TMN", "TMX"), class = "factor"), 
    value = c(1, 2, 3, 2, 3, 4, 2, 3, 5.5, 6.5, 3.5, 2.5, 8)), .Names = c("Id", 
"MM", "variable", "value"), class = "data.frame", row.names = c(NA, 
-13L))

#Find rows that match by x and y
res <- merge(df1, df2, by = c("MM", "variable"), all.x = TRUE)

res$dif <- abs(res$value.x - res$value.y)

#Find rows that need to be merged
res1 <- merge(aggregate(dif ~ MM + variable, data = res, FUN = min), res)

#Finally merge the result back into df1
final <- merge(df1, res1[res1$dif <= 1, c("MM", "variable", "State", "Id", "value.y")], all.x = TRUE)

### one Data.table attempts
# create data.tables with the same key columns
keycols1 = c("MM", "variable", "value")
df1t <- data.table(df1, key = keycols1)
df2t <- data.table(df2, key = key(df1t))
setkey(df1t, value)
setkey(df2t, value)
test.final <- df2t[df1t, roll='nearest', allow.cartesian=TRUE]

Answer 1

不确定这是否是实现您想要的最佳方式，但这是一种类似于您对数据框所做的方法，仅使用 data.tables 代替：

dt1 <- data.table(df1)
dt2 <- data.table(df2)
res <- merge(dt1, dt2, by = c("MM", "variable"), all.x = TRUE, allow.cartesian=TRUE)
final_dt <- res[, .SD[abs(value.x - value.y) == min(abs(value.x - value.y))], by=c("State", "MM", "variable")]

请注意，final_dt 中的结果与 final 中的结果不同（State=AK, MM=3, variable=TMX），即使根据您的描述，上述方法也不会返回匹配项应该返回匹配项。