递归地合并（完全连接）一个 data.table 与另一个 data.table 的每一组答案

【问题标题】：Merge (full join) recursively one data.table with each group of another data.table递归地合并（完全连接）一个 data.table 与另一个 data.table 的每一组
【发布时间】：2017-04-25 09:54:53
【问题描述】：

我有 2 个数据表：

a.id <- c("a","a","a","b","b","c","c","c","c")
b.id <- c(1,2,3,4,5,1,3,4,5)
x <- seq(1:9)
dt1 <- data.table(a.id,b.id,x)

和

rp <- c("r","s")
t <- rep(rp, each=5)
b.id <- rep(1:5, 2)
y <- sample.int(50, 10)
dt2 <- data.table(t, b.id, y)

对于dt1 中的每个a.id，我想完全加入dt2 中的每个t，将它们逐列添加到dt1 中，并将t 的值赋予列名称.由于这是一个完全连接，dt1 中所有缺少的x(b.id) 都将添加到NA。

这是所需的输出（对于 r 和 s，这些是随机值）：

 a.id    b.id    x     r     s
 a       1       1     14    40
 a       2       2     42    25
 a       3       3     32    11
 a       4       NA    33    3
 a       5       NA    21    1
 b       1       NA    14    40
 b       2       NA    42    25
 b       3       NA    32    11
 b       4       4     33    3
 b       5       5     21    1
 c       1       6     14    40
 c       2       NA    42    25
 c       3       7     32    11
 c       4       8     33    3
 c       5       9     21    1

我尝试过类似的方法：

dt1[, merge(.SD, dt2, by = "b.id", all = TRUE), by = a.id]

但它不起作用。

感谢您对这个问题的帮助。谢谢你的时间。

【问题讨论】：

试试split 即..lapply(split(dt1, dt1$a.id), function(x) merge(x, dt2, by = "b.id", all = TRUE))
如果您打算使用sample()，请使用set.seed。
感谢@akrun。这提供了一个快速的解决方案。但是，我们将 t 保留为 1 列，并获得 a.id 的 NA。但这不是一个大问题。

标签： r merge data.table

【解决方案1】：

尝试类似：

f<-dcast(dt2,b.id~t)
dt1[f[rep(1:nrow(f),uniqueN(dt1$a.id)),
    c(.SD,list(a.id=rep(unique(dt1$a.id),each=nrow(f))))],on=c("a.id","b.id")]
#    a.id b.id  x  r  s
# 1:    a    1  1 40 28
# 2:    a    2  2  4 17
# 3:    a    3  3 11 13
# 4:    a    4 NA 49 42
# 5:    a    5 NA 29 37
# 6:    b    1 NA 40 28
# 7:    b    2 NA  4 17
# 8:    b    3 NA 11 13
# 9:    b    4  4 49 42
#10:    b    5  5 29 37
#11:    c    1  6 40 28
#12:    c    2 NA  4 17
#13:    c    3  7 11 13
#14:    c    4  8 49 42
#15:    c    5  9 29 37

结果不同，因为没有设置 seed。

【讨论】：

【解决方案2】：

使用交叉连接可以做到：

dcast(dt2, b.id~t, value.var = "y")[
  dt1[CJ(a.id=a.id, b.id=b.id, unique=TRUE), on=.(a.id, b.id)], on="b.id"]

如果不是b.id 的所有可能值都在dt1$b.id 中，那么CJ() 部分应该类似于
CJ(a.id=a.id, b.id=dt2$b.id, unique=TRUE)
这是另一个变体：

dt1[dcast(dt2, b.id~t, value.var = "y")[
  CJ(a.id=dt1$a.id, b.id=dt2$b.id, unique=TRUE), on=.(b.id)], on=.(a.id, b.id)]
#     a.id b.id  x  r  s
#  1:    a    1  1 46 24
#  2:    a    2  2 50 33
#  3:    a    3  3 14  6
#  4:    a    4 NA 40 28
#  5:    a    5 NA 30 29
#  6:    b    1 NA 46 24
#  7:    b    2 NA 50 33
#  8:    b    3 NA 14  6
#  9:    b    4  4 40 28
# 10:    b    5  5 30 29
# 11:    c    1  6 46 24
# 12:    c    2 NA 50 33
# 13:    c    3  7 14  6
# 14:    c    4  8 40 28
# 15:    c    5  9 30 29

数据：

library("data.table")
set.seed(42)
dt1 <- data.table(a.id=rep(c("a", "b", "c"), c(3,2,4)), b.id=c(1:5,1,3,4,5), x=1:9)
dt2 <- data.table(t=rep(c("r","s"), each=5), b.id=1:5, y=sample.int(50, 10))

【讨论】：