具有可变列名的 Data.table 连接答案

【问题标题】：Data.table join with variable column names具有可变列名的 Data.table 连接
【发布时间】：2020-12-16 09:10:53
【问题描述】：

我需要在两个 data.tables 之间迭代地执行连接，其中列名是我从函数输入的变量。我一直在使用 data.tables 'on' 功能执行连接，但由于变量列名似乎无法识别而遇到问题。

例如，假设我们有两个表，Table_1 和 Table_2，如下：

require(data.table)
n <- 20
Table_1 <- data.table(A = seq_len(n) + 1,
               B = seq_len(n) + 3,
               C = seq_len(n) + 5)

m <- 15
Table_2 <- data.table(D = seq_len(m) + 7,
               E = seq_len(m) + 9,
               F = seq_len(m) + 12)

我可以在明确定义列的地方轻松执行连接。例如

Table_2[Table_1,on = .(F = C),sum(D.na.rm = T)]

但是，我需要做的是在不同的列上执行多个匹配，例如：

require(purrr)    
pmap(.l = CJ(x = c("D","F"),y = c("A","B")),
     .f = function(x,y) Table_2[Table_1,on = .(x = y),sum(C,na.rm = T)])

我收到以下错误：

Error in colnamesInt(x, names(on), check_dups = FALSE) : 
  argument specifying columns specify non existing column(s): cols[1]='x'

我尝试了各种方法，例如：

用“eval()”或“noquote”将 x 和 y 括起来
将 pmap 函数放在 data.table 中，而不是如上所示的外部。

这两种方法都不起作用。任何帮助都将不胜感激，因为必须编写单独的连接语句显然效率极低！

谢谢，菲尔

编辑：

下面有人建议我应该考虑使用“合并”功能。从理论上讲，这适用于上面的示例，但是我没有在上面提到我实际上需要使用非 equi 连接，这意味着，据我所知，我不能使用“合并”。在我的实际案例中，我需要通过函数将列名映射到等值和非等值连接的组合。

我提供了一个带有目标输出的后续示例。该示例只有两个连接语句，但我需要足够灵活的解决方案来处理多个：

我想要下面的表达式：

pmap(.l = list(x1 = "D",x2 = "A",x3 = "E",x4 = "B"),
    .f = function(x1,x2,x3,x4) (Table_2[Table_1,on = .(x1 = x2,
                             x3 > x4),sum(C,na.rm = T)]))

要给出与此相同的输出：

Table_2[Table_1,on = .(D = A,
                       E > B),sum(C,na.rm = T)]

即本例中为 310。

再次感谢，菲尔

【问题讨论】：

你能根据输入显示预期的输出吗？
你试过 merge 功能吗？ by.x 和 by.y 参数要求字符串作为列名，也可以在变量中。
@sindri_baldur - 请参阅上面我修改后的问题以及目标输出。谢谢
@cdalitz - 谢谢。它可以在上面的示例中使用，但我没有提到需要非 equi 连接的真实场景的全部复杂性。请参阅我修改后的问题和目标输出。

标签： r join data.table

【解决方案1】：

我只是通过反复试验想出了如何做到这一点：

  pmap(.l = list(x1 = "D",x2 = "A",x3 = "E",x4 = "B"),
       .f = function(x1,x2,x3,x4) (Table_2[Table_1,on = 
                            c(paste0(x1,"==",x2),paste0(x3,">",x4)),
                                           sum(C,na.rm = T)]))

【讨论】：