使用另一数据 table 中一列的值更新一个数据 table 中的一列 NA

Question

我在这个主题上看到过类似的 post，但无法理解解决方案。本质上，我有一个数据 table (DT1)，其中包含分数和一些 NA。只要有 'NA'，我就想要一个引用另一个数据 (DT2) table 的过程，该数据在两个 tables (tract) 中都有一个公共列，然后更新 DT1 中的 NA DT2 的分数列的值。我选择数据 table class 因为我认为这是一个有效的选择。

DT1

         tract CreditScore    
1: 36107020401         635  
2: 36083052403          NA  
3: 36091062602          NA  
4: 36067013000          NA  
5: 36083052304          NA

DT2

         tract CreditScore  
1: 36107020401         635  
2: 36083052403         650  
3: 36091062602         335  
4: 36067013000         777  
5: 36083052304         663

Answer 1

我们为我们正在处理的其他小插图创建了新的（更全面的）HTML vignettes for some of the data.table concepts. Have a look here。我正在研究连接的小插图，完成后有望更好地澄清这些类型的问题。

想法是首先 setkey() 在 DT1 列 tract 上。

setkey(DT1, tract)

在 data.tables 中，x[i] 形式的连接需要 x 的键，但 i 则不一定。这导致两种情况：

如果 i 也有键集——i 的第一个键列与 x 的第一个键列匹配，第二个键列与第二个键列匹配，依此类推在..
如果 i 没有键集 -- i 的第一列与第一个 key 列匹配x，i 的第二列与 x 的第二 key 列，依此类推..

在这种情况下，由于您在 i 中的第一列也是 tract，我们将跳过在 i 上设置键。

然后，我们执行 x[i] 形式的连接。通过这样做，对于每个 i，计算 x 中的匹配行索引，然后实现连接结果。但是，我们不希望将整个连接结果作为一个新的 data.table。相反，我们想用匹配行上的 DT2 更新 DT1 的 CreditScore 列..

在data.tables中，我们可以通过提供j中的表达式在连接时执行该操作，如下所示：

DT1[DT2, CreditScore := i.CreditScore]
#          tract CreditScore
# 1: 36067013000         777
# 2: 36083052304         663
# 3: 36083052403         650
# 4: 36091062602         335
# 5: 36107020401         635

DT1[DT2 部分为 DT2 中的每一行查找 DT1 中的匹配行。如果匹配，我们希望 DT2 的值在 DT1 中更新。我们通过使用 i.CreditScore 来实现——它指的是 DT2 的 CreditScore 列（i. 是一个前缀，用于区分 x 之间具有相同名称的列和 i data.tables).

更新： 正如评论中指出的那样，上述解决方案还将更新 DT1 中的非 NA 值。因此，这样做的方法是：

DT1[is.na(CreditScore), CreditScore := DT2[.(.SD), CreditScore]]

在 DT1 中的 CreditScore 为 NA 的那些行上，将 DT1 中的 CreditScore 替换为从 CreditScore 中获得的值DT2[.(.SD)] 的连接，其中 .SD 对应于 data.table 的子集，其中包含 CreditScore 为 NA.

的所有行

HTH

使用另一数据 table 中一列的值更新一个数据 table 中的一列 NA

Update a column of NAs in one data table with the value from a column in another data table

r

reference

data.table