r语言 - data.带条件的表连接:保留所有列

Question

我有这两个表

library(data.table)
d = seq(0.1,1,by = 0.1)
n = length(d)
dtBig = data.table(id = rep(letters[1:2],each = n/2),
d1 = d,
d2 = d + 0.2,
i = 1:n)
dtSmall = data.table(id = rep(letters[1:2],each = 2),
d_start = c(0.2,0.65,0.15,1.1),
d_end = c(0.65,0.85,0.8,1.5))

我想在id上用两个不等式条件d1 >= d_start和d2 <= d_end做一个有效的归并。

当表有很多行时，第一种方法非常耗时:

dtAll = merge(dtSmall, dtBig, by = "id", allow.cartesian = T)[d1 >= d_start & d2 <= d_end]

所以我使用'on'操作符:

dtAll2 = dtBig[dtSmall, on = .(id, d1 >= d_start, d2 <= d_end),nomatch = 0]

然而，d1取d_start的值，d2取d_end的值，我丢失了d1和d2的值。
所以我做了这些命令:

dtAll2 = dtBig[dtSmall, on = .(id, d1 >= d_start, d2 <= d_end),nomatch = 0]
dtAll2[,`:=`(d_start = d1, d_end = d2)]
dtAll2[,`:=`(d1 = NULL, d2 = NULL)]
dtAll2 = dtAll2[dtBig[,.(i,d1,d2)],on = .(i == i),nomatch = 0]

验证dtAll和dtAll2是否相同:

setcolorder(dtAll, names(dtAll2))
setkey(dtAll,i)
setkey(dtAll2,i)
all.equal(dtAll,dtAll2)

但我相信有更好的方法，你有什么想法吗?

Answer 1

您可以使用data.table可用的foverlaps，并且从您的d1 >= d_start & d2 <= d_end中我们可以看出您对dtBig中中的那些记录感兴趣dtSmall中的start/end范围，可以在type参数中提供。必须在y(第二个表dtSmall)上使用setkey。您不必使用by.y，因为它默认为y中的键。

setkey(dtSmall, id, d_start, d_end)
dtAllF <- foverlaps(dtBig, dtSmall, by.x = c("id", "d1", "d2"), type = "within", nomatch = 0)

结果

dtAllF
# id d_start d_end  d1  d2 i
# 1:  a    0.20  0.65 0.2 0.4 2
# 2:  a    0.20  0.65 0.3 0.5 3
# 3:  a    0.20  0.65 0.4 0.6 4
# 4:  b    0.15  0.80 0.6 0.8 6

检查是否相等

setcolorder(dtAllF, c("id", "i"))
identical(dtAll2, dtAllF)
# [1] TRUE