data.table：通过引用聚合、连接和赋值

Question

我们将 dta 称为我要分配给的 table，dts 是我要加入并聚合到 dta 的数据源。

dta = data.table(i=1:4, x=rnorm(4))
dts = data.table(i=rep(1:3, each=3), z=runif(9))

我认为我应该能够加入 'i' 并在一个声明中汇总：

dta[dts, z_sum := sum(i.z), by=i, on='i']

可惜，这行不通

Error in `[.data.table`(dta, dts, `:=`(z_sum, sum(i.z)), by = i, on = "i") : 
  object 'i.z' not found

Enter a frame number, or 0 to exit   

1: dta[dts, `:=`(z_sum, sum(i.z)), by = i, on = "i"]
2: `[.data.table`(dta, dts, `:=`(z_sum, sum(i.z)), by = i, on = "i")

用 by=.EACHI 替换 by=i 给出了错误的结果（i 变量的每个值的 dts 中 z 的最后一个值）

并完全忽略 by 只是对所有值 dts$z 求和并将相同的值分配给 dta.

中的所有行

现在，我可以做到：

dta[dts[, .(z=sum(z)), keyby=i], z := i.z, on='i']

但似乎应该有某种方式可以与 data.table 内部交互，以便在一个有效的语句中做到这一点，而不是单独聚合然后在此处完成连接。

我是不是遗漏了什么，或者这是最好的做事方式？我正在做非常大的连接（将 table 与数亿行合并数千次），因此能够充分利用我能发挥的所有效率很重要。

Answer 1

我们可以使用.EACHI

dta[, z_sum := dts[.SD, on = .(i), sum(z), by = .EACHI]$V1]

数据

set.seed(24)
dta = data.table(i=1:4, x=rnorm(4))
dts = data.table(i=rep(1:3, each=3), z=runif(9))

data.table：通过引用聚合、连接和赋值

data.table: aggregate, join, and assign by reference

r

split-apply-combine

data.table

数据