外连接data.table R答案

【问题标题】：outer join data.table R外连接data.table R
【发布时间】：2012-11-09 16:42:20
【问题描述】：

只是想知道是否有一种有效的方法可以对数据表进行外部连接，例如

a <- data.table(a=c(1,2,3),b=c(3,4,5))
b <- data.table(a=c(1,2),k=c(1,2))
merge(a,b,by="a",all.x=T)

这工作正常，但它不如内连接高效，因为下面的运行速度非常快，但上面的速度真的很慢。

setkey(a,a)
setkey(b,a)
a[b,]

【问题讨论】：

在第一种情况下，a 和 b 未键入，因此 merge 需要先键入它们（作为本地副本（有点）在合并中，因为它不想更改a 和 b 在调用范围内）。在第二种情况下，您很乐意通过键入它们来更改a 和b（您是否包括了这样做的时间？）然后a[b] 很快。但即便如此，我还是很惊讶有很大的不同。 merge 应该与x[y]相当。请在谈论时间时说明版本信息：您在 v1.8.6 上吗？而且您的“非常快”和“非常慢”可能是我对“相似”的想法！实际时间是多少？
基准测试很容易出错/不恰当，所以我们绝对需要先看看你的计时方法，然后再说。
我无法为此提供时间，因为第一个在内存中爆炸并导致 R 会话崩溃（加入大约 19m 行）。我将用较小的集合对其进行基准测试并发布结果。（版本 1.8.2，我正在使用）
这在较小的集合上会很棒。当意外请求笛卡尔连接时，我们经常看到用户报告 merge 爆炸（基本合并以及 data.table 合并）。也许我们可以在其中设置一些陷阱来帮助检测和捕获错误的使用。只是一个猜测。似乎人们有时会在实际需要 cbind 时尝试使用 merge。

【解决方案1】：

b[a,] 是您正在寻找的“外部连接”。

查看?merge.data.table 了解更多详情。

【讨论】：

谢谢！所以 a[b,] 或 b[a,] 本质上是左连接（用 SQL 术语）？我一直认为它是一种内部连接。
@jamborta 请参阅常见问题解答 2.16 (nomatch = 0|NA)
感谢 Matthew，这解释了这一点。我假设这种方式你不能做完全外连接（只有左外和内）？
@jamborta 正确。但是你可以为左或右做X[Y] 或Y[X]。它源自 by-without-by 特性（类似于 SQL 中的 CROSS APPLY 和 OUTER APPLY）。这个想法是j 为i 的每一行运行。这在完整的外部连接上下文中没有意义。如果需要完全外连接，那么merge 可以做到这一点。话虽如此，它即将出现，并且已请求更多连接类型in this detailed question，这是要考虑的列表。
有没有比merge.data.table更快的全外连接替代方案？