是否可以使用 data.table index-join-assignment idiom 进行左连接并在 i 到 x 的非匹配行中分配 NA？

Question

昨天我给出了这个答案：。

在评论中，OP 询问我们是否可以有效地实现两个 table 的左连接，从而获得将导致正确的 table 分配给左 table。在我看来 data.table 没有提供任何这样做的方法。

这是我在那个问题中使用的示例案例：

set.seed(1L);
dt1 <- data.table(id=1:12,expand.grid(V1=1:3,V2=1:4),blah1=rnorm(12L));
dt2 <- data.table(id=13:18,expand.grid(V1=1:2,V2=1:3),blah2=rnorm(6L));
dt1;
##     id V1 V2      blah1
##  1:  1  1  1 -0.6264538
##  2:  2  2  1  0.1836433
##  3:  3  3  1 -0.8356286
##  4:  4  1  2  1.5952808
##  5:  5  2  2  0.3295078
##  6:  6  3  2 -0.8204684
##  7:  7  1  3  0.4874291
##  8:  8  2  3  0.7383247
##  9:  9  3  3  0.5757814
## 10: 10  1  4 -0.3053884
## 11: 11  2  4  1.5117812
## 12: 12  3  4  0.3898432
dt2;
##    id V1 V2       blah2
## 1: 13  1  1 -0.62124058
## 2: 14  2  1 -2.21469989
## 3: 15  1  2  1.12493092
## 4: 16  2  2 -0.04493361
## 5: 17  1  3 -0.01619026
## 6: 18  2  3  0.94383621
key <- paste0('V',1:2);

这是我给出的解决方案 not 获取不匹配行的 NAs:

dt1[dt2,on=key,id:=i.id];
dt1;
##     id V1 V2      blah1
##  1: 13  1  1 -0.6264538
##  2: 14  2  1  0.1836433
##  3:  3  3  1 -0.8356286
##  4: 15  1  2  1.5952808
##  5: 16  2  2  0.3295078
##  6:  6  3  2 -0.8204684
##  7: 17  1  3  0.4874291
##  8: 18  2  3  0.7383247
##  9:  9  3  3  0.5757814
## 10: 10  1  4 -0.3053884
## 11: 11  2  4  1.5117812
## 12: 12  3  4  0.3898432

我们需要的是将 id 值 12 及以下保留在 dt1 中的值替换为 NA（ 而不是 ，因为它们是 12 并且下，并且不是因为 dt2 中缺少这些 id 值，而是因为 key 列上的连接，即 V1 和 V2, 不会导致 dt1 中的那些行与 dt2).

匹配

正如我在该问题的评论中所说，解决方法是将 dt1$id 预分配给所有 NA，然后运行索引连接分配。因此，这是预期的输出：

dt1$id <- NA;
dt1[dt2,on=key,id:=i.id];
dt1;
##     id V1 V2      blah1
##  1: 13  1  1 -0.6264538
##  2: 14  2  1  0.1836433
##  3: NA  3  1 -0.8356286
##  4: 15  1  2  1.5952808
##  5: 16  2  2  0.3295078
##  6: NA  3  2 -0.8204684
##  7: 17  1  3  0.4874291
##  8: 18  2  3  0.7383247
##  9: NA  3  3  0.5757814
## 10: NA  1  4 -0.3053884
## 11: NA  2  4  1.5117812
## 12: NA  3  4  0.3898432

我认为解决方法没问题，但我不确定为什么 data.table 似乎无法通过索引连接分配操作一次完成此功能。以下是我探索的三个死胡同：

1: nomatch

data.table 提供了一个 nomatch 参数，它看起来有点像 merge() 的 all、all.x 和 all.y 参数.这实际上是一个非常有限的论点；它只允许从右连接（nomatch=NA，默认值）更改为内部连接（nomatch=0）。我们不能用它实现左连接。

2: 翻转 dt1 和 dt2

由于dt1[dt2]是右连接，我们可以将其翻转，即dt2[dt1]，实现对应的左连接

这也行不通，因为我们需要在 j 参数中使用 := 就地赋值语法来赋值给 dt1，并且在翻转调用下，我们将改为分配给 dt2。我尝试在 flipped 命令下分配给 i.id，但它并没有影响原来的 dt1.

3: 使用 merge.data.table()

我们可以用all.x=T参数调用merge.data.table()来实现左连接。现在的问题是 merge.data.table() 没有 j 参数，它根本没有提供就地分配左（或右）列的方法 table.

那么，是否可以使用 data.table 执行此操作？如果是这样，最好的方法是什么？

Answer 1

AFAIU 您只想查找从 dt2 到 dt1 的 id 列。 dt1 中的原始 id 变量似乎与整个过程无关，因为您加入 V1,V2 并且您不想在结果中包含 dt1$id 值。因此，技术上正确的解决方法是根本不使用该列。

set.seed(1)
library(data.table)
dt1 <- data.table(id=1:12,expand.grid(V1=1:3,V2=1:4),blah1=rnorm(12L));
dt2 <- data.table(id=13:18,expand.grid(V1=1:2,V2=1:3),blah2=rnorm(6L));
on = paste0("V",1:2) # I rename to `on` to not mask `key` function
dt1[,id:=NULL
    ][dt2,on=on,id:=i.id
      ][]
#  V1 V2      blah1 id
# 1:  1  1 -0.6264538 13
# 2:  2  1  0.1836433 14
# 3:  3  1 -0.8356286 NA
# 4:  1  2  1.5952808 15
# 5:  2  2  0.3295078 16
# 6:  3  2 -0.8204684 NA
# 7:  1  3  0.4874291 17
# 8:  2  3  0.7383247 18
# 9:  3  3  0.5757814 NA
#10:  1  4 -0.3053884 NA
#11:  2  4  1.5117812 NA
#12:  3  4  0.3898432 NA

除了问题...
- 如果只有一个表达式要计算
，则不必在行尾使用 ; - 使用 dt1[, id := NA_integer_] 而不是 dt1$id <- NA
- 在为 rnorm 和其他随机相关调用

提供代码时使用 set.seed

是否可以使用 data.table index-join-assignment idiom 进行左连接并在 i 到 x 的非匹配行中分配 NA？

Is it possible to use the data.table index-join-assignment idiom to do a left join and assign NAs in the non-matching rows of i to x?

r

left-join

assign

data.table