R - 根据其他表中的条件更新一列中的值

Question

我想根据在另一个表的特定列中找到的值更新表的值。即

tb1<-data.table(w=c('xray','yankee','zulu','alpha','bravo','charlie', 
                    'xray','yankee','zulu','alpha','bravo','charlie'),
                x=c('alpha','bravo','charlie','xray','yankee','zulu',
                    'xray','yankee','zulu','alpha','bravo','charlie'),
                y=c('zulu','yankee','xray','charlie','bravo','alpha'))

tb2<-data.table(z= c('alpha','bravo','charlie'),
                z2=c('zalpha','zbravo','zcharlie'))

在 tb1 的“w”列中，未出现在 tb2 的“z”列中的值应替换为“NONE”。这段代码实际上是为这个短表工作的。

tb1[,"w":=lapply(tb1$w,function(u){ifelse((u %in% tb2$z),u,"NONE")})]

但是，实际表有超过 200 万条记录，并且上述指令非常慢（在停止之前 > 20 分钟）。最终，我需要替换 tb1 的列“w”、“x”和“y”中不在 tb2$z 中的所有值。完成此操作的正确“data.table”方法是什么？我尝试了子集它假设在进行替换之前对值进行分组会更有效。我与 .SD 一起使用的任何组合都没有给我正确的答案。感谢您的帮助。

Answer 1

我们可以使用%chin%来创建在'z'中找不到的'w'中元素的逻辑索引，然后将'w'中的对应元素分配（:=）为“NONE”。

tb1[!w %chin% tb2$z, w:= "NONE"]
tb1
#         w       x       y
# 1:    NONE   alpha    zulu
# 2:    NONE   bravo  yankee
# 3:    NONE charlie    xray
# 4:   alpha    xray charlie
# 5:   bravo  yankee   bravo
# 6: charlie    zulu   alpha
# 7:    NONE    xray    zulu
# 8:    NONE  yankee  yankee
# 9:    NONE    zulu    xray
#10:   alpha   alpha charlie
#11:   bravo   bravo   bravo
#12: charlie charlie   alpha

如果我们需要根据 'tb2' 的 'z' 列更改 'tb1' 中的所有列，我们可以循环遍历 'tb1' 的列并如前所示进行分配。

nm1 <- names(tb1)
for(j in seq_along(tb1)){
  tb1[!tb1[[j]] %chin% tb2$z, nm1[j] := "NONE"]
}
tb1
#          w       x       y
# 1:    NONE   alpha    NONE
# 2:    NONE   bravo    NONE
# 3:    NONE charlie    NONE
# 4:   alpha    NONE charlie
# 5:   bravo    NONE   bravo
# 6: charlie    NONE   alpha
# 7:    NONE    NONE    NONE
# 8:    NONE    NONE    NONE
# 9:    NONE    NONE    NONE
#10:   alpha   alpha charlie
#11:   bravo   bravo   bravo
#12: charlie charlie   alpha