这是我现实生活中的问题,我觉得可以很容易地解决,但我在这里遗漏了一些明显的东西。我有两个大数据集TK
and DFT
library(data.table)
set.seed(123)
(TK <- data.table(venue_id = rep(1:3, each = 2),
DFT_id = rep(1:3, 2),
New_id = sample(1e4, 6),
key = "DFT_id"))
# venue_id DFT_id New_id
# 1: 1 1 2876
# 2: 1 2 7883
# 3: 2 3 4089
# 4: 2 1 8828
# 5: 3 2 9401
# 6: 3 3 456
(DFT <- data.table(venue_id = rep(1:2, each = 2),
DFT_id = 1:4,
New_id = sample(4),
key = "DFT_id"))
# venue_id DFT_id New_id
# 1: 1 1 3
# 2: 1 2 4
# 3: 2 3 2
# 4: 2 4 1
我想表演一个二元左连接 to TK
on the DFT_id
列当venue_id %in% 1:2
,同时更新New_id
引用。换句话说,期望的结果是
TK
# venue_id DFT_id New_id
# 1: 1 1 3
# 2: 2 1 3
# 3: 1 2 4
# 4: 3 2 9401
# 5: 2 3 2
# 6: 3 3 456
我想结合这两个条件,但它不起作用(仍然不知道为什么)
TK[venue_id %in% 1:2 & DFT, New_id := i.New_id][]
# Error in `[.data.table`(TK, DFT & venue_id %in% 1:2, `:=`(New_id, i.New_id)) :
# i is invalid type (matrix). Perhaps in future a 2 column matrix could return a list of elements of DT (in the spirit of A[B] in FAQ 2.14).
# Please let datatable-help know if you'd like this, or add your comments to FR #1611.
我的下一个想法是使用链接,它通过正确连接部分实现目标,但在一些临时表上,而不会实际影响TK
TK[venue_id %in% 1:2][DFT, New_id := i.New_id][]
TK
# venue_id DFT_id New_id
# 1: 1 1 2876
# 2: 2 1 8828
# 3: 1 2 7883
# 4: 3 2 9401
# 5: 2 3 4089
# 6: 3 3 456
所以要明确的是,我很清楚我可以分开TK
分成两个表,执行连接,然后rbind
再次,但我正在做许多不同的条件连接,就像这样,我也在寻找速度和内存有效的解决方案。
这也意味着我not寻找一个dplyr
解决方案,因为我正在尝试同时使用两者二元连接和通过参考更新只存在于的功能data.table
包IIRC。
有关更多信息,请参阅这些小插图:
- 通过参考更新 https://rawgit.com/wiki/Rdatatable/data.table/vignettes/datatable-reference-semantics.html
- 二进制连接 https://rawgit.com/wiki/Rdatatable/data.table/vignettes/datatable-keys-fast-subset.html