问题标签 [non-equi-join]

我需要使用特定的旧版本 HIVE，它会阻止我在 GTE 或 LTE 条件下加入 2 个表。例如什么是等价的

什么是替代查询？

我有两个数据框，每个数据框都有大约一百万行，我想通过 id 加入它们，然后过滤，以便对于每一行，列日期的值包含在 startdate 和 enddate 的值之间。

Andplyr::inner_join无法正常工作，因为它需要太多内存。对于每个id日期间隔df2都比 in大很多，df1这就是为什么 aninner_join %>% filter效率不高，是否可以同时进行？

我有 10 年内 10 个地点的每日降雨量数据

我有一个单独的数据框，它有特定的日子，我想用它来总结降雨量df

我想要的是 in 中的行df.ref，使用 in 中的index值df.ref并将dfindex1 到 index2、index1 到 index3 和 index1 到 index4 之间的降雨量相加。例如：

使用df.ref，对于 loc.id = 1 和 year == 2001，将df250 到 264、250 到 280、250 到 296 的降雨量相加（如图所示df.ref） 同样，对于 2002 年，对于 loc.id = 1，求和降雨量从 250 到 269、250 到 284、250 到 298。

我这样做了：

我希望使我的代码更快，因为我的实际代码df.ref很大。谁能告诉我如何让这个更快。

假设我有两个数据框。

第一个包括“名称”为“ID”发出“Rec”的“Date”和“Rec”失效的“Stop.Date”。

df（仅一部分）

第二个数据帧只包含一个时间序列：假设在这种情况下从 2006 年 3 月 29 日到 2006 年底。

df2

现在，如果 df2 中的“Date1”变量在时间范围内（直到 Stop.Date 的日期），我希望我的代码将所有由 ID 和名称组合的“Rec”相加

我发现这篇文章R - 如果日期在范围内，则求和，它似乎非常接近我的问题，但解决方案不考虑任何组。

我想提出一个data.frame，其中对于df2中的每个日期，都会显示每个“ID”的“REC”总和。

预期输出，例如

请记住，这只是数据的一小部分。通常，来自不同“名称”的每个“ID”存在更多的 Recs。（那么 sum 函数就有意义了）

非常感谢您提前提供的帮助。

更新后的版本

新数据框：

df

df2

如果我现在执行以下代码：

我得出以下结果：

但是由于例如df$ID“BMG4593F1389”的df2$Date1（“1999-12-29”）属于df中另外6个条目的日期范围（对于不同的df$Names）对于这个特定的df$date1，它应该是：

日期 1999-12-29 的预期结果（为简单起见，此处忽略 df3$interval 变量）

所以最后我需要复制 df$Date1 中的日期，如果有多个名称为特定的 df$ID 发出 Rec，该特定 df$ID 落在相应的日期范围内。

有人可以帮我吗？

当（反引号）列名包含空格时，我无法设法与 data.table 进行非等连接。

我在工作时从我们的数据库中收集这些名字，我们的明确政策是让每个人都使用相同的名字以避免混淆。我当然可以转换和重新转换，但我宁愿避免这种情况。

我想知道，这是 data.table 中的一个小故障，如果是这样，可以补救吗？还是我错过了什么？我对 R 很陌生，所以后者完全有可能......

一个可重现的例子：

以下确实有效：

以下没有：

错误信息是：

( a [.data.table, b, on = .( test name1= test name4, test name2> : 列 [ test name2, test name2] 在 x 中找不到

会话信息（）：

我有一个df.sample这样的数据框

我有另一个df.state这样的数据框

我正在尝试根据条件合并这两个数据框

如果hourand minindf.sample在starttimeand endtimeof内df.state，则合并state = Pass到df.sample.

例如，第 2 行 indf.sample具有hour = 8，min = 59并且由于它在starttime = 2018-11-12 08:59:00in内df.state，因此将值Pass相加

这是我想要的输出

我能够像这样合并这两个数据帧，但无法在 df.state 的开始时间和结束时间中查找 df.sample 的小时和分钟

有人能指出我正确的方向吗

我有两个子查询，我只想按第一个表的开放日期和关闭日期之间的日期范围加入。

第一个表示例：

第二个表示例：

期望的输出：

这是我的代码：

我知道 Hive SQL 不支持将不等式作为JOIN. 但是我应该如何处理这个问题？

注意：我需要的连接专门用于日期，t1 和 t2 中没有相等的键可以用来连接它们。

谢谢！

我有一个编辑数据表：

我想加入事件数据表：

要获得如下所示的输出，其中值指定编辑发生时的概率值：

到目前为止，这是我尝试加入两者的方法：

但是，当我尝试这样做时，我收到一条错误消息，显示“ vecseq 中的错误（f__, len__, if (allow.cartesian || notjoin || !anyDuplicated(f__, : Join results in 16 rows; more than 14 = nrow( x)+nrow(i). 检查 i 中的重复键值，每个键值都加入 x 中的同一组。如果没问题，请尝试 by=.EACHI 为每个组运行 j 以避免大分配. 如果您确定要继续，请使用 allow.cartesian=TRUE 重新运行。否则，请在 FAQ、Wiki、Stack Overflow 和 data.table 问题跟踪器中搜索此错误消息以获取建议。 "

与此处的 do.call/lapply 方法和此处的data.table方法类似，但两者都具有以下设置：

• 带有数据和开始日期/结束日期范围的 MainDF
• 带有单个日期向量的 SubDF

用户在哪里寻找与每个 SubDF 日期重叠的所有 MainDF 范围的摘要。我有

• 带有数据和单个日期向量的 MainDF
• 具有开始日期/结束日期范围的 SubDF

并且我希望将摘要附加到 SubDF，以获取属于每个 SubDF 范围内的多行 MainDF 数据。例子：

从第二个链接尝试 data.table 方法我认为它应该是这样的：

但它与未使用的参数错误on。在我的实际数据上，我通过使用 (相当于) 得到了一个结果max(MainDF$DataA)，但它是第二个值的 3 次重复（在我的实际数据中，最后一行不会运行，因为它没有 DateTo 的值）。我怀疑使用MainDF$手段我已经颠覆了分组。

我怀疑我已经接近了，但我真的很难data.table理解复杂用例的思维方式。我想要做的汇总统计数据是（例如数据）：

• Mean&Max的数据A
• length(which(DataA > 3))
• difftime(last(Dates), first(Dates), units = "mins")
• Dates[which.max(DataA)]

我添加了interval上面的行，因为它data.table的%between%帮助表明一个人可能能够使用一种Dates %between% interval格式，但它没有在文本或示例中具体提到间隔/差异时间，而且我的尝试已经在其他地方失败了，所以我不愿意专注于改进我的跑不动了就跑！

我一直专注于 data.table 方法，因为它用于类似的问题，但我一直想知道是否可以使用dplyr's group_by/代替？'s似乎仅限于对列的测试（例如它们是因素），而不是与列行中的数据相关，但我可能是错的。group_by_ifgroup_by_if.predicate

提前感谢您的帮助！

根据我在互联网上阅读的定义，在等连接中，连接条件是相等（=），而内连接也可以有其他运算符，例如小于（<）或大于（>）。

非等值连接是一种连接类型，其连接条件使用除等于以外的条件运算符。

这是否意味着非 equi 连接和内部连接是相同的？