如何通过不同的列名合并两个data.table？

Question

我有两个数据。表X和表Y。

列 X： 面积、 ID，
Y 中的值列： ID， 价格， 销售额

创建两个data.tables：

X = data.table(area=c('US', 'UK', 'EU'),
               id=c('c001', 'c002', 'c003'),
               value=c(100, 200, 300)
              )

Y = data.table(ID=c('c001', 'c002', 'c003'),
               price=c(500, 200, 400),
               sales=c(20, 30, 15)
              )

我设置了 X 和 Y 的键：

setkey(X, id)
setkey(Y, ID)

现在，我尝试通过X中的< code>id和Y中的< code>ID来连接X和Y:

merge(X, Y)
merge(X, Y, by=c('id', 'ID'))
merge(X, Y, by.x='id', by.y='ID')

All引发错误，指出by参数中的列名无效。

我查阅了data.table的手册，发现< code>merge函数不支持< code>by.x和< code>by.y参数。

如何在不更改列名的情况下通过不同的列名连接两个data.tables？

追加：
我设法通过 X[Y] 连接了两个表，但是为什么合并函数在 data.table 中失败？

Answer 1

使用＜code＞by时合并失败。x和由。y与数据。表。获取您的数据：

> merge(X,Y, by.x='id', by.y='ID')
Error in merge.data.table(X, Y, by.x = "id", by.y = "ID")

您可以使用data.table合并，但您需要使用by参数进行连接（因此重命名列以具有相同的colname）

Y = setNames(Y,c('id','price','sales'))

这仍然行不通:

merge(X,Y, by.x='id', by.y='id')
Error in merge.data.table(X, Y, by.x = "id", by.y = "id") :

但这将起作用：

> merge(X,Y, by='id')
#     id area value price sales
#1: c001   US   100   500    20
#2: c002   UK   200   200    30
#3: c003   EU   300   400    15

或者，您需要转换＜code＞数据。表至数据。帧以便使用＜code＞将和由。y参数：

merge(data.frame(X), data.frame(Y), by.x='id', by.y='ID')

Answer 2

使用此操作：

X[Y]
#    area   id value price sales
# 1:   US c001   100   500    20
# 2:   UK c002   200   200    30
# 3:   EU c003   300   400    15

或者这个操作:

Y[X]
#      ID price sales area value
# 1: c001   500    20   US   100
# 2: c002   200    30   UK   200
# 3: c003   400    15   EU   300

编辑 编辑 后，我阅读了常见问题解答的第 1.12 节：“X[Y] 和 merge（X，Y）之间的分歧是什么？”，这导致我签出 ？merge，我发现有两种不同的合并函数，具体取决于您使用的包。默认值为合并，但数据表使用合并。比较

merge(X, Y, by.x = "id", by.y = "ID") # which is merge.data.table
# Error in merge.data.table(X, Y, by.x = "id", by.y = "ID") : 
# A non-empty vector of column names for `by` is required.

随着

merge.data.frame(X, Y, by.x = "id", by.y = "ID")
#     id area value price sales
# 1 c001   US   100   500    20
# 2 c002   UK   200   200    30
# 3 c003   EU   300   400    15

根据@Michael伯恩斯坦纳的评论进行编辑以确保完整性，看起来 data.table 团队正计划将 by.x 和 by.y 实施到 merge.data.table 函数中，但尚未这样做。

Answer 3

从< code>data.table版本1 . 9 . 6(2015年9月CRAN上)开始，您可以在< code>data.table::merge中指定< code>by.x和< code>by.y参数

merge(x=X, y=Y, by.x="id", by.y="ID")[]
#     id area value price sales
#1: c001   US   100   500    20
#2: c002   UK   200   200    30
#3: c003   EU   300   400    15

但是，在data.table1.9.6中，您还可以在X[Y]符号中推测on参数

X[Y]语法现在可以通过使用新的on参数连接，而不必设置键。例如:DT1[DT2，on=c(x = "y")]会将DT2的“y”列与DT1的“x”列连接起来。DT1[DT2，on="y"]将连接两个数据表的“y”列。

X[Y, on=c(id = "ID")]
#   area   id value price sales
#1:   US c001   100   500    20
#2:   UK c002   200   200    30
#3:   EU c003   300   400    15

data.table作者的回答有更多细节