Czy można użyć idiomu indeksu sprzężenia danych.table, aby wykonać lewe połączenie i przypisać NA w niepasujących wierszach od I do X?

Question

Wczoraj dałem tę odpowiedź: Matching Data Tables by five columns to change a value in another column.

W komentarzach OP zapytał, czy moglibyśmy skutecznie osiągnąć lewe połączenie dwóch stołów, a tym samym uzyskać NA, które spowodowałyby przypisanie prawej tabeli do lewej tabeli. Wydaje mi się, że data.table nie zapewnia żadnych środków.

Oto przykład przypadek użyłem w tym pytaniu:

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); 

A oto rozwiązanie dałem który robi nie dostać NAS dla niedopasowanych wierszy:

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 

czego potrzebujemy jest dla wartości id 12 i mniejszych, które pozostają w dt1, które mają być zastąpione przez NA (, nie, ponieważ mają 12 lub mniej, i nie ponieważ te wartości id brakuje dt2, ale ponieważ dołączyć na key kolumn, a mianowicie V1 i V2, nie powoduje w meczu dla tych wierszy w dt1 przeciwko dt2).

Jak już wspomniałem w komentarzach do tego pytania, obejście problemu polega na przeniesieniu dt1$id do wszystkich NA, a następnie uruchomieniu przypisania indeksu. Stąd, to oczekiwany wynik:

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 

myślę, że obejście jest ok, ale nie jestem pewien, dlaczego data.table nie wydają się być zdolne do tej funkcji w jednym ujęciu z indeksem dołącz -przypisanie operacji. Poniżej przedstawiono trzy martwe końce ja zbadałem:

1:nomatch

data.table zapewnia nomatch argument, który wygląda trochę jak all, all.x i all.y argumentów merge(). Jest to w rzeczywistości bardzo ograniczony argument; pozwala jedynie na zmianę z łączenia prawego (nomatch=NA, domyślne) na sprzężenie wewnętrzne (nomatch=0). Nie możemy osiągnąć lewostronnego połączenia z nim.

2: klapki dt1 i dt2

Od dt1[dt2] jest prawo dołączyć, możemy po prostu odwrócić go, co oznacza, dt2[dt1], dla uzyskania odpowiadającego lewo przyłączyć.

To nie zadziała albo dlatego musimy użyć składni przypisania := w miejscu w j argumentu przypisać do dt1 i pod przewracanej rozmowy będziemy zamiast być przypisanie dt2. Próbowałem przypisać do i.id pod odwróconą komendą, ale nie wpłynęło to na oryginalny kod dt1.

3: użycie merge.data.table()

Możemy zadzwonić merge.data.table() z all.x=T argument do osiągnięcia LEFT JOIN. Problem polega obecnie na tym, że merge.data.table() nie ma argumentu j i po prostu nie zapewnia możliwości przypisania w miejscu kolumny lewej (lub prawej) tabeli.

---

Czy jest możliwe wykonanie tej operacji w ogóle przy użyciu data.table? A jeśli tak, jaki jest najlepszy sposób na zrobienie tego?

Answer 1

AFAIU po prostu chcesz wyszukać kolumnę id od dt2 do dt1. Oryginalna zmienna id w kodzie dt1 wydaje się nie mieć związku z całym procesem podczas dołączania do V1,V2, a użytkownik nie chce mieć wartości wyniku w postaci dt1$id. Więc technicznie poprawnym sposobem rozwiązania tego problemu jest w ogóle nie używanie tej kolumny.

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 

Oprócz pytanie ...
- nie trzeba używać ; na końcu linii, jeśli istnieje tylko pojedynczy wyraz ocenić
- użyj dt1[, id := NA_integer_] zamiast dt1$id <- NA
- używaj set.seed, podając kod z rnorm i innymi połączeniami losowymi