昨天我给出了这个答案:通过五列匹配数据表来更改另一列中的值。
在评论中，OP询问我们是否可以有效地实现两个表的左连接，从而获得导致将右表分配给左表的NAs。在我看来，数据。表中没有提供任何方法。
下面是我在那个问题中使用的例子:
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不是对于不匹配的行得到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dt1中保留的id值12及以下替换为NAs (不是，因为它们是12及以下，而不是，因为这些id值在dt2中缺失，而是因为key列上的连接，即V1和V2，不会导致dt1中与dt2中的行匹配)。
正如我在该问题的评论中所说，一个解决方法是将dt1$id预分配给所有NAs，然后运行索引连接分配。因此，这是预期的输出:
dt1$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
我认为解决方案是好的，但我不确定为什么数据。表似乎无法通过索引-连接-分配操作一次性完成此功能。以下是我探索的三个死胡同:
1: nomatch
数据。表提供了一个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)更改为内连接(nomatch=0)。我们不能用它实现左连接。
2: flip dt1 and dt2
由于dt1[dt2]是右连接，我们可以直接翻转它，即dt2[dt1]，来实现相应的左连接。
这也不起作用，因为我们需要在j参数中使用:=的就地赋值语法来赋值给dt1，而在翻转调用中，我们将赋值给dt2。我尝试在翻转命令下分配i.id，但它不影响原来的dt1。
3: use merge.data.table()
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，而且它没有提供为左表(或右表)的列就地赋值的方法。
那么，是否有可能使用data.table执行此操作呢?如果有，最好的方法是什么?
如果你只是想从dt2到dt1查找id列。dt1中的原始id变量似乎与整个过程无关，因为您加入了V1,V2，并且您不想在结果中具有dt1$id值。所以从技术上讲，正确的解决方法是完全不使用这一列。
set.seed(1)
library(data.table)
dt1 <- data.table(id=1:12,expand.grid(V1=1:3,V2=1:4),blah1=rnorm(12L));
dt2 <- data.table(id=13:18,expand.grid(V1=1:2,V2=1:3),blah2=rnorm(6L));
on = paste0("V",1:2) # I rename to `on` to not mask `key` function
dt1[,id:=NULL
][dt2,on=on,id:=i.id
][]
# V1 V2 blah1 id
# 1: 1 1 -0.6264538 13
# 2: 2 1 0.1836433 14
# 3: 3 1 -0.8356286 NA
# 4: 1 2 1.5952808 15
# 5: 2 2 0.3295078 16
# 6: 3 2 -0.8204684 NA
# 7: 1 3 0.4874291 17
# 8: 2 3 0.7383247 18
# 9: 3 3 0.5757814 NA
#10: 1 4 -0.3053884 NA
#11: 2 4 1.5117812 NA
#12: 3 4 0.3898432 NA
撇开问题不谈……
-如果只有一个表达式来计算
，你不必在行尾使用;-用dt1[, id := NA_integer_]代替dt1$id <- NA
-在提供rnorm和其他随机相关调用的代码时使用set.seed