data.table 中的条件连接？答案

【问题标题】：Conditional join in data.table?data.table 中的条件连接？
【发布时间】：2017-11-12 13:02:13
【问题描述】：

我有以下data.table，dtgrouped2：

     MonthNo Unique Total
 1:       1    AAA    10
 2:       1    BBB     0
 3:       2    CCC     3
 4:       2    DDD     0
 5:       3    AAA     0
 6:       3    BBB    35
 7:       4    CCC    15
 8:       4    AAA     0
 9:       5    BBB    60
10:       5    CCC     0
11:       6    DDD   100
12:       6    AAA     0

还有一张桌子，dt2：

     Unique1 StartDate EndDate Amount1 Amount2
1:     AAA        0        1       7       0
3:     AAA        1        2       5       0
2:     AAA        2        4       3       2

我想根据以下逻辑将 Amount1 和 Amount2 从 dt2 插入到 dtgrouped2 dtgrouped2 的每一行评估的“唯一”：

filter(StartDate< MonthNo & EndDate>=MonthNo)
then MAX(EndDate)
then insert Amount1 as Amount1 and Amount2 as Amount2

因此您可以看到结果因行而异。这将是预期的输出：

Date    MonthNo Unique  Items   Amounts Amount1 Amount2
Jan       1      AAA    x         10        7   0
Jan       1      BBB    y          2        NA  NA
Feb       2      CCC    x          3        NA  NA
Feb       2      DDD    y         15       NA   NA
March     3      AAA    y         20        3   2
March     3      BBB    x         35       NA   NA
April     4      CCC    x         15       NA   NA
April     4      AAA    y         50       3    2
May       5      BBB    x         60      NA    NA
May       5      CCC    y         70      NA    NA
June      6      DDD    x         100     NA    NA
June      6      AAA    y         20       NA   NA

【问题讨论】：

我不明白你想要的输出。 1- Amounts 列来自哪里？它是如何填充的？（它不等于Total 列）。 2- 在第 5 行中，Amount1 和 Amount2 的值 (?) 应分别为 5 和 0。 3 - 为什么在最后一行没有填充 Amount1 和 Amount2 值？应该分别是3 和2，不是吗？无论如何，我认为你可以使用这个：dt2[dtgrouped2, .(Amount1, Amount2), on = .(Unique1 = Unique, StartDate < MonthNo, EndDate <= MonthNo), mult = "last"]（如果我理解正确的逻辑）。
对不起，是的，你完全正确，逻辑应该是EndDate >=MonthNo。结果表只是未分组，这就是额外列的原因。谢谢，我试试这个！
谢谢大卫，这成功了！非常感谢。

标签： r dataframe data.table

【解决方案1】：

我建议使用非 equi 连接与 mult = "last" 结合使用（以便仅捕获最近的 EndDate）

dtgrouped2[, c("Amount1", "Amount2") := # Assign the below result to new columns in dtgrouped2
              dt2[dtgrouped2, # join
                  .(Amount1, Amount2), # get the column you need
                  on = .(Unique1 = Unique, # join conditions
                         StartDate < MonthNo, 
                         EndDate >= MonthNo), 
                  mult = "last"]] # get always the latest EndDate
dtgrouped2

#     MonthNo Unique Total Amount1 Amount2
#  1:       1    AAA    10       7       0
#  2:       1    BBB     0      NA      NA
#  3:       2    CCC     3      NA      NA
#  4:       2    DDD     0      NA      NA
#  5:       3    AAA     0       3       2
#  6:       3    BBB    35      NA      NA
#  7:       4    CCC    15      NA      NA
#  8:       4    AAA     0       3       2
#  9:       5    BBB    60      NA      NA
# 10:       5    CCC     0      NA      NA
# 11:       6    DDD   100      NA      NA
# 12:       6    AAA     0      NA      NA

您需要首先加入dt2[dtgrouped]（而不是相反）的原因是因为您想为dtgrouped 中的每个可能值加入dt2，因此允许dt2 中的多个值加入dtgrouped

【讨论】：

再次感谢大卫的精彩解释，这很有效！