這是關于data.table連接語法的一個哲學問題。我發現data.tables有越來越多的用途，但仍在學習...X[Y]data.tables的聯接格式非常簡潔，方便且有效，但是據我所知，它僅支持內部聯接和正確的外部聯接。要獲得左側或完全外部聯接，我需要使用merge：X[Y, nomatch = NA] -Y中的所有行-右外部聯接（默認）X[Y, nomatch = 0] -僅X和Y都匹配的行-內部聯接merge(X, Y, all = TRUE) -X和Y的所有行-完全外部聯接merge(X, Y, all.x = TRUE) -X中的所有行-左外部聯接在我看來，如果X[Y]連接格式支持所有4種連接類型，那將很方便。是否僅支持兩種類型的聯接？對我來說，nomatch = 0和nomatch = NA參數值對于正在執行的動作不是很直觀。這是我更容易理解和記憶的merge語法：all = TRUE，all.x = TRUE和all.y = TRUE。由于X[Y]操作merge遠不止于match，因此為什么不對merge聯接使用語法而不是match函數的nomatch參數呢？以下是4種連接類型的代碼示例：# sample X and Y data.tableslibrary(data.table)X <- data.table(t = 1:4, a = (1:4)^2)setkey(X, t)X# t a# 1: 1 1# 2: 2 4# 3: 3 9# 4: 4 16Y <- data.table(t = 3:6, b = (3:6)^2)setkey(Y, t)Y# t b# 1: 3 9# 2: 4 16# 3: 5 25# 4: 6 36# all rows from Y - right outer joinX[Y] # default# t a b# 1: 3 9 9# 2: 4 16 16# 3: 5 NA 25# 4: 6 NA 36X[Y, nomatch = NA] # same as above# t a b# 1: 3 9 9# 2: 4 16 16# 3: 5 NA 25# 4: 6 NA 36merge(X, Y, by = "t", all.y = TRUE) # same as above# t a b# 1: 3 9 9# 2: 4 16 16# 3: 5 NA 25# 4: 6 NA 36identical(X[Y], merge(X, Y, by = "t", all.y = TRUE))# [1] TRUE# only rows in both X and Y - inner joinX[Y, nomatch = 0] # t a b# 1: 3 9 9# 2: 4 16 16merge(X, Y, by = "t") # same as above# t a b# 1: 3 9 9# 2: 4 16 16merge(X, Y, by = "t", all = FALSE) # same as above# t a b# 1: 3 9 9# 2: 4 16 16identical( X[Y, nomatch = 0], merge(X, Y, by = "t", all = FALSE) )# [1] TRUE# all rows from X - left outer joinmerge(X, Y, by = "t", all.x = TRUE)# t a b# 1: 1 1 NA# 2: 2 4 NA# 3: 3 9 9# 4: 4 16 16# all rows from both X and Y - full outer joinmerge(X, Y, by = "t", all = TRUE)# t a b# 1: 1 1 NA# 2: 2 4 NA# 3: 3 9 9# 4: 4 16 16# 5: 5 NA 25# 6: 6 NA 36更新：data.table v1.9.6引入了on=語法，該語法允許臨時連接除主鍵以外的其他字段。jangorecki對問題的答案如何連接（合并）數據框（內部，外部，左側，右側）？提供了data.table可以處理的其他聯接類型的一些示例。
3 回答
慕運維8079593
TA貢獻1876條經驗 獲得超5個贊
引用data.table FAQ 1.11 X[Y]和之間有什么區別merge(X, Y)？
X[Y] 是聯接，使用Y（或Y的鍵，如果有的話）作為索引查找X的行。
Y[X] 是一個聯接，使用X（或X的鍵，如果有的話）查找Y的行
merge(X,Y)同時執行兩種方式。X[Y]和的行數Y[X]通常不同，而merge(X,Y)和返回的行數merge(Y,X)相同。
但是錯過了要點。大多數任務需要在連接或合并后對數據執行某些操作。為什么合并所有數據列，然后只使用它們的一小部分？您可能會建議 merge(X[,ColsNeeded1],Y[,ColsNeeded2])，但這要求程序員確定需要哪些列。X[Y,jdata.table中的]為您完成所有這些工作。在編寫時X[Y,sum(foo*bar)]，data.table會自動檢查j表達式以查看其使用的列。它只會將這些列作為子集；其他被忽略。僅為j使用的列創建內存，并且Y列在每個組的上下文中均享受標準的R回收規則。假設fooin中X，bar在中Y（以及中的20個其他列Y）。是不是X[Y,sum(foo*bar)] 比合并所有浪費的子集更快地編寫程序和更快地運行？
如果您想要左外連接 X[Y]
le <- Y[X]
mallx <- merge(X, Y, all.x = T)
# the column order is different so change to be the same as `merge`
setcolorder(le, names(mallx))
identical(le, mallx)
# [1] TRUE
如果要完全外部聯接
# the unique values for the keys over both data sets
unique_keys <- unique(c(X[,t], Y[,t]))
Y[X[J(unique_keys)]]
## t b a
## 1: 1 NA 1
## 2: 2 NA 4
## 3: 3 9 9
## 4: 4 16 16
## 5: 5 25 NA
## 6: 6 36 NA
# The following will give the same with the column order X,Y
X[Y[J(unique_keys)]]
縹緲止盈
TA貢獻2041條經驗 獲得超4個贊
作為MNEL說，左/右外連接是通過交換獲得Y和X：Y[X]航班嗎X[Y]。因此，該語法支持4種連接類型中的3種，而不是2種iiuc。
添加第四似乎是個好主意。假設我們添加full=TRUE或both=TRUE或merge=TRUE（不確定最佳的參數名稱？），那么X[Y,j,merge=TRUE]在FAQ 1.12中BUT之后的原因對我來說是沒有用的。現在已添加了新功能請求，并已鏈接回這里，謝謝：
FR＃2301：像merge（）一樣，為X [Y]和Y [X]聯接添加merge = TRUE參數。
最近的版本已經加快了速度merge.data.table（例如，通過在內部進行淺表復制來更有效地設置密鑰）。因此，我們正試圖把merge()和X[Y]密切，并提供給用戶的所有選項充分的靈活性。兩者都有優點和缺點。另一個出色的功能要求是：
FR＃2033：將by.x和by.y添加到merge.data.table
如果還有其他人，請讓他們繼續前來。
通過問題的這一部分：
為什么不對聯接使用合并語法，而不是對match函數的nomatch參數使用？
如果你喜歡merge()的語法和它的3個參數all，all.x并且all.y然后就用這個來代替X[Y]。認為它應該涵蓋所有情況。還是您的意思是為什么論點是單一nomatch的[.data.table？如果是這樣的話，這對于FAQ 2.14來說似乎就是自然的方式：“您能進一步解釋一下為什么data.table受到base中A [B]語法的啟發嗎？”。而且，nomatch當前0和僅接受兩個值NA?？梢詳U展該值，例如，負值表示某種含義，或者12表示使用第12行的值來填充NA，或者nomatch將來可能是向量，甚至可能是本身data.table。
嗯 怎么會通過，而無需按與合并交互= TRUE？也許我們應該把它交給datatable-help。
- 3 回答
- 0 關注
- 550 瀏覽
添加回答
舉報
0/150
提交
取消