左连接(一列)首选哪个data.table语法

Question

我应该如何开始考虑我更喜欢哪种语法？

我的标准是效率（这是第一）和易读性/可运维性。

这

A <- B[A, on = .(id)] # very concise!

或者说

A[B, on = .(id), comment := i.comment]

或者甚至（正如PoGibas所建议的）：

A <- merge(A, B, all.x = TRUE)

为了完整起见，更基本的方法是使用< code>match():

A[, comment := B[chmatch(A[["id"]], id), comment]]

示例数据：

library(data.table)
A <- data.table(id = letters[1:10], amount = rnorm(10)^2)
B <- data.table(id = c("c", "d", "e"), comment = c("big", "slow", "nice"))

Answer 1

为了效率和可运维性，我更喜欢“更新连接”习语：**

DT[WHERE, v := FROM[.SD, on=, x.v]]

它是“通过引用更新某些列行 - 通过引用进行子分配”下的小插（“数据表引用语义”）中所示内容的扩展。一旦在连接上有可用的小插图，那也应该是一个很好的参考。

这是有效的，因为它只使用 WHERE 选择的行，并修改或添加列就地，而不是像更简洁的左联接 FROM[DT， on=] 那样创建一个新表。

这使得我的代码可读性更好，因为我可以很容易地看出连接的要点是添加列< code > v ；而且我不必考虑SQL中的“左”/“右”术语，也不必考虑连接后行数是否保持不变。

它对代码维护很有用，因为如果我以后想了解DT如何获得一个名为v的列，我可以在代码中搜索v ：=，而FORROM[DT，on=]会掩盖正在添加哪些新列。此外，它允许 WHERE 条件，而左连接则不允许。例如，如果使用 FROM 来“填充”现有列 v 中的 NA，这可能很有用。

与其他更新连接方法DT[from， on=， v：=i. v]相比，我可以想到两个优点。首先是使用WHERE子句的选项，其次是在连接出现问题时通过警告实现透明度，例如From中的重复匹配以on=规则为条件。这是扩展OP示例的示例：

library(data.table)
A <- data.table(id = letters[1:10], amount = rnorm(10)^2)
B2 <- data.table(
  id = c("c", "d", "e", "e"), 
  ord = 1:4, 
  comment = c("big", "slow", "nice", "nooice")
)

# left-joiny update
A[B2, on=.(id), comment := i.comment, verbose=TRUE]
# Calculated ad hoc index in 0.000s elapsed (0.000s cpu) 
# Starting bmerge ...done in 0.000s elapsed (0.000s cpu) 
# Detected that j uses these columns: comment,i.comment 
# Assigning to 4 row subset of 10 rows

# my preferred update
A[, comment2 := B2[A, on=.(id), x.comment]]
# Warning message:
# In `[.data.table`(A, , `:=`(comment2, B2[A, on = .(id), x.comment])) :
#   Supplied 11 items to be assigned to 10 items of column 'comment2' (1 unused)

    id     amount comment comment2
 1:  a 0.20000990    <NA>     <NA>
 2:  b 1.42146573    <NA>     <NA>
 3:  c 0.73047544     big      big
 4:  d 0.04128676    slow     slow
 5:  e 0.82195377  nooice     nice
 6:  f 0.39013550    <NA>   nooice
 7:  g 0.27019768    <NA>     <NA>
 8:  h 0.36017876    <NA>     <NA>
 9:  i 1.81865721    <NA>     <NA>
10:  j 4.86711754    <NA>     <NA>

在左联接风格的更新中，即使 id == “e” 有两个匹配项，您也会静默地获得注释的最终值;而在另一个更新中，您会收到一条有用的警告消息（在将来的版本中已升级为错误）。即使使用左连接方法打开 verbose=TRUE 也没有提供信息 - 它说有四行正在更新，但没有说一行正在更新两次。

我发现，当我的数据被安排到一组整洁/关系表中时，这种方法效果最好。哈德利·威克姆的论文就是一个很好的参考。

** 在此成语中，on= 部分应使用联接列名称和规则进行填充，如 on=（id） 或 on=.（from_date

下面是Matt Dowle解释< code>roll=的一个更复杂的例子:为每一行查找特定值最近出现的时间

另一个相关示例：使用 data.table 进行左连接