20

该data.table包提供了许多与 SQL 相同的表处理方法。如果一个表有一个键，则该键由一个或多个列组成。但是一张表不能有多个键，因为它不能同时以两种不同的方式排序。

在这个例子中，X和Y是data.table带有单个键列“id”的 s；Y还有一个非键列“x_id”。

   X <- data.table(id = 1:5, a=4:8,key="id")
   Y <- data.table(id = c(1,1, 3,5,7), x_id=c(1,4:1), key="id")

以下语法将在其键上连接表：

  X[Y]

如何将以下 SQL 语法转换为 data.table 代码？

  select * from X join Y on X.id = Y.x_id;

我得到的最接近的是：

Y[X,list(id, x_id),by = x_id,nomatch=0]

但是，这与 SQL 语句执行的内连接不同。

这是一个更清晰的示例，其中外键是 y_id，我们希望连接查找 Y2 where 的值X2$y_id = Y2$id。

    X2 <- data.table(id = 1:5, y_id = c(1,1,2,2,2), key="id")
    Y2 <- data.table(id = 1:5, b = letters[1:5], key="id")

我想制作表格：

   id  y_id  b
    1     1 "a"
    2     1 "a"
    3     2 "b"
    4     2 "b"
    5     2 "b"

类似于以下 kludge 所做的事情：

> merge(data.frame(X2), data.frame(Y2), by.x = "y_id", by.y = "id")
  y_id id b
1    1  1 a
2    1  2 a
3    2  3 b
4    2  4 b
5    2  5 b

但是，当我这样做时：

    X2[Y2, 1:2,by = y_id]

我没有得到想要的结果：

    y_id V1
[1,]    1  1
[2,]    1  2
[3,]    2  1
[4,]    2  2
4

1 回答 1

18

好问题。请注意以下内容（诚然埋葬）?data.table：

当i是 a时data.table，x必须有一个键。使用该键i连接并返回该匹配中的行。在's 键中的每一列之间执行等值连接。匹配是在 O(log n) 时间内编译的 C 中的二进制搜索。如果列数少于的键，则 的许多行可能与 的每一行匹配。如果列数多于's 键，则未参与连接的列将包含在结果中。如果也有一个 key，则's 的 key 列用于匹配's 的 key 列，并执行两个表的二进制合并。xxixixxiixiiix

所以，这里的关键是i不必键入。只有x必须键入。

X2 <- data.table(id = 11:15, y_id = c(14,14,11,12,12), key="id")
     id y_id
[1,] 11   14
[2,] 12   14
[3,] 13   11
[4,] 14   12
[5,] 15   12
Y2 <- data.table(id = 11:15, b = letters[1:5], key="id")
     id b
[1,] 11 a
[2,] 12 b
[3,] 13 c
[4,] 14 d
[5,] 15 e
Y2[J(X2$y_id)]  # binary search for each item of (unsorted and unkeyed) i
     id b
[1,] 14 d
[2,] 14 d
[3,] 11 a
[4,] 12 b
[5,] 12 b

或者，

Y2[SJ(X2$y_id)]  # binary merge of keyed i, see ?SJ
     id b
[1,] 11 a
[2,] 12 b
[3,] 12 b
[4,] 14 d
[5,] 14 d

identical(Y2[J(X2$y_id)], Y2[X2$y_id])
[1] FALSE
于 2012-03-29T10:40:46.743 回答