如何使用 data.table 在日期范围内执行连接？

Question

如何使用 data.table 执行以下操作（直接使用 sqldf）并获得完全相同的结果：

library(data.table)

whatWasMeasured <- data.table(start=as.POSIXct(seq(1, 1000, 100),
    origin="1970-01-01 00:00:00"),
    end=as.POSIXct(seq(10, 1000, 100), origin="1970-01-01 00:00:00"),
    x=1:10,
    y=letters[1:10])

measurments <- data.table(time=as.POSIXct(seq(1, 2000, 1),
    origin="1970-01-01 00:00:00"),
    temp=runif(2000, 10, 100))

## Alternative short names for data.tables
dt1 <- whatWasMeasured
dt2 <- measurments

## Straightforward with sqldf    
library(sqldf)

sqldf("select * from measurments m, whatWasMeasured wwm
where m.time between wwm.start and wwm.end")

Answer 1

您可以使用foverlaps() 函数，它可以有效地实现间隔连接。在您的情况下，我们只需要一个用于 measurments 的虚拟列。

注意 1： 您应该安装 data.table - v1.9.5 的开发版本，因为 foverlaps() 的错误已在此处修复。你可以找到安装说明here。

注意 2： 为了方便起见，我会在此处致电 whatWasMeasured = dt1 和 measurments = dt2。

require(data.table) ## 1.9.5+
dt2[, dummy := time]

setkey(dt1, start, end)
ans = foverlaps(dt2, dt1, by.x=c("time", "dummy"), nomatch=0L)[, dummy := NULL]

更多信息请参见?foverlaps，性能比较请参见this post。