用另一个数据表中一列的值更新一个数据表中的一列 NA

Question

我看到过有关此主题的类似帖子，但无法理解解决方案。本质上，我有一个带有分数和一些 NA 的数据表（DT1）。无论哪里有“NA”，我都想要一个引用另一个数据 (DT2) 表的过程，该表在两个表 (tract) 中都有一个公共列，然后用 DT2 的 score 列的值更新 DT1 中的 NA。我选择数据表类是因为我认为它是一个有效的选择。

DT1

         tract CreditScore    
1: 36107020401         635  
2: 36083052403          NA  
3: 36091062602          NA  
4: 36067013000          NA  
5: 36083052304          NA  

DT2

         tract CreditScore  
1: 36107020401         635  
2: 36083052403         650  
3: 36091062602         335  
4: 36067013000         777  
5: 36083052304         663  

Answer 1

我们为一些 data.table 概念创建了新的（更全面的）HTML vignettes。看看here 了解我们正在处理的其他小插曲。我正在研究连接的小插曲，完成后有望更好地澄清这些类型的问题。

---

这个想法是先在setkey() 上DT1 在tract 列上。

setkey(DT1, tract)

在 data.tables 中，x[i] 形式的连接需要 x 的键，但不一定是 i。这会导致两种情况：

• 如果i 也有键集——i 的第一个键列与x 的第一个键列匹配，第二个与第二个匹配，依此类推..

• 如果i 没有键集——i 的第一列与x 的第一列 key 匹配，i 的第二列针对x 的第二个 key 列，依此类推..

在这种情况下，由于i 中的第一列也是tract，我们将跳过i 上的设置键。

然后，我们执行x[i] 形式的连接。通过这样做，对于每个i，计算x 中的匹配行索引，然后实现连接结果。但是，我们不希望将整个连接结果作为新的 data.table。相反，我们想在那些匹配的行上用DT2 更新DT1 的CreditScore 列..

在 data.tables 中，我们可以在加入时执行该操作，方法是在 j 中提供表达式，如下所示：

DT1[DT2, CreditScore := i.CreditScore]
#          tract CreditScore
# 1: 36067013000         777
# 2: 36083052304         663
# 3: 36083052403         650
# 4: 36091062602         335
# 5: 36107020401         635

DT1[DT2 部分为DT2 中的每一行查找DT1 中的匹配行。如果有匹配，我们希望DT2 的值在DT1 中更新。我们通过使用i.CreditScore 来实现这一点——它引用DT2 的CreditScore 列（i. 是用于区分x 和i data.tables 之间名称相同的列的前缀）。

---

更新：正如在 cmets 下所指出的，上述解决方案还将更新 DT1 中的非 NA 值。因此，这样做的方法是：

DT1[is.na(CreditScore), CreditScore := DT2[.(.SD), CreditScore]]

在DT1 中的CreditScore 为NA 的那些行上，将DT1 中的CreditScore 替换为从DT2[.(.SD)] 的连接获得的CreditScore 中的值，其中.SD 对应于data.table 的子集，其中包含 CreditScore 为 NA 的所有行。

HTH