通过匹配另一个 data.table 的列来设置 data.table 的子集答案

【问题标题】：Subset a data.table by matching columns of another data.table通过匹配另一个 data.table 的列来设置 data.table 的子集
【发布时间】：2016-03-21 13:55:14
【问题描述】：

我一直在寻找一种解决方案，用于使用另一个数据表中某些列的匹配值对数据表进行子集化。

示例如下：

set.seed(2)

dt <- 
        data.table(a = 1:10, 
                   b = rnorm(10), 
                   c = runif(10), 
                   d = letters[1:10])

dt2 <- 
        data.table(a = 5:20, 
                   b = rnorm(16), 
                   c = runif(16), 
                   d = letters[5:20])

这是我需要的结果：

> dt2

 1:  5 -2.311069085 0.62512173 e
 2:  6  0.878604581 0.26030004 f
 3:  7  0.035806718 0.85907312 g
 4:  8  1.012828692 0.43748800 h
 5:  9  0.432265155 0.38814476 i
 6: 10  2.090819205 0.46150111 j

我有从第二个数据表返回的行，其中 a 和 d 匹配，即使 b 和 c 可能不匹配。真实数据是互斥的，我需要匹配三列。

【问题讨论】：

你试过join和on。顺便说一句，请使用set.seed 使您的示例可重现
@akrun 我尝试过合并，但我想确保保留所有匹配项而不保留任何不匹配的行。
@dc3 你确定这是set.seed(2) 的预期输出？
@mtoto - 抱歉已修复。
dt2[dt, .SD, nomatch=0L, on="a", .SDcols=names(dt2)] ?

标签： r data.table subset

【解决方案1】：

我们可以使用%in% 来相应地匹配列和子集。

dt2[a %in% dt$a & d %in% dt$d]
#    a           b         c d
#1:  5 -2.31106908 0.6251217 e
#2:  6  0.87860458 0.2603000 f
#3:  7  0.03580672 0.8590731 g
#4:  8  1.01282869 0.4374880 h
#5:  9  0.43226515 0.3881448 i
#6: 10  2.09081921 0.4615011 j

【讨论】：

【解决方案2】：

这是一个使用 join 并指定 on 的选项

na.omit(dt2[dt[, c("a", "d"), with = FALSE], on = c("a", "d")])
#    a           b         c d
#1:  5 -2.31106908 0.6251217 e
#2:  6  0.87860458 0.2603000 f
#3:  7  0.03580672 0.8590731 g
#4:  8  1.01282869 0.4374880 h
#5:  9  0.43226515 0.3881448 i
#6: 10  2.09081921 0.4615011 j

【讨论】：

IIUC 这可以用nomatch 干净地完成。请参阅 OP 的 Q 下的评论。