r语言 - 非对等连接

Question

我想知道是否有人知道dplyr扩展包(dbplyr和dtplyr)是否允许在通常的dplyr工作流程中进行非相等连接?我很少需要data.table，但是快速非对等连接是我总是需要setDT的唯一时刻，然后执行连接，然后切换回as_tibble()。我在github上的软件包中滚动了问题，但没有发现这是计划中的还是已经实现的。

Answer 1

非对等连接从1.1.0开始通过join_by函数可用。要创建非对等连接，您可以使用<,>,>=,<=或辅助between,within,overlaps和nearest。

library(dplyr)
#Example from https://github.com/tidyverse/dplyr/pull/5910.
set.seed(123)
dates <- as.Date("2019-01-01") + 0:4
needles <- tibble(dates = dates, x = sample(length(dates)))
set.seed(123)
lower <- as.Date("2019-01-01") + sample(6, 5, replace = TRUE)
upper <- lower + sample(2, 5, replace = TRUE)
haystack <- tibble(lower = lower, upper = upper, y = sample(length(lower)))
needles
#> # A tibble: 5 x 2
#>   dates          x
#>   <date>     <int>
#> 1 2019-01-01     3
#> 2 2019-01-02     2
#> 3 2019-01-03     5
#> 4 2019-01-04     4
#> 5 2019-01-05     1
haystack
#> # A tibble: 5 x 3
#>   lower      upper          y
#>   <date>     <date>     <int>
#> 1 2019-01-04 2019-01-06     1
#> 2 2019-01-07 2019-01-08     2
#> 3 2019-01-04 2019-01-05     3
#> 4 2019-01-03 2019-01-05     4
#> 5 2019-01-03 2019-01-05     5
# Non-equi join
# For each row in `needles`, find locations in `haystack` matching the condition
left_join(needles, haystack, by = join_by(dates >= lower, dates <= upper))
#> # A tibble: 12 x 5
#>    dates          x lower      upper          y
#>    <date>     <int> <date>     <date>     <int>
#>  1 2019-01-01     3 NA         NA            NA
#>  2 2019-01-02     2 NA         NA            NA
#>  3 2019-01-03     5 2019-01-03 2019-01-05     4
#>  4 2019-01-03     5 2019-01-03 2019-01-05     5
#>  5 2019-01-04     4 2019-01-04 2019-01-06     1
#>  6 2019-01-04     4 2019-01-04 2019-01-05     3
#>  7 2019-01-04     4 2019-01-03 2019-01-05     4
#>  8 2019-01-04     4 2019-01-03 2019-01-05     5
#>  9 2019-01-05     1 2019-01-04 2019-01-06     1
#> 10 2019-01-05     1 2019-01-04 2019-01-05     3
#> 11 2019-01-05     1 2019-01-03 2019-01-05     4
#> 12 2019-01-05     1 2019-01-03 2019-01-05     5

Answer 2

自1.4.0版本以来，dbplyr中有了一个新的选项:sql_on。引用Kirill mller:

dplyr有#2240，但这需要一段时间。对于数据库，我们已经有了一个解决方案。[/p].

library(dplyr)
library(dbplyr)
tbl1 <- memdb_frame(a = 1:3, b = 4:2)
tbl2 <- memdb_frame(c = 1:3, b = 2:0)
left_join(tbl1, tbl2, sql_on = "LHS.b < RHS.c")

Answer 3

Fordbplyr虽然SQL支持非对等连接，但我还没有找到与之等价的dplyr方法。我通常的工作方式与@Waldi发布的r-bloggers链接非常相似，即在相等条件下加入，然后在不相等条件下过滤。

例如:

output = join(df1, df2, by = c("df1_id" = "df2_id")) %>%
filter(df1_date <= df2_date)

转换成类似于以下语句的SQL:

SELECT *
FROM df1
JOIN df2
ON df1_id = df2_id
WHERE df1_date <= df2_date

这与

SELECT *
FROM df1
JOIN df2
ON df1_id = df2_id
AND df1_date <= df2_date