r data.table 条件和引用/从另一个单独的 data.table 执行查找

Question

我是 R 和 data.tables 的初学者，但我已经阅读了足够多的内容，确信它们在处理大型数据集时的速度/效率。我到处搜索，但找不到我认为很简单的问题的答案。

问题来了：给定两个数据表 DT1 和 DT2

DT1 <- data.table(AA=c("A","B","C","A","B","C","A","B","C","A","B","C"),
                  BB=c(35,45,25,25,85,15,55,55,95,35,25,75)
                  )

DT2 <- data.table(CC=c("A","B","C","A","B","C"),
                  DD=c(10,20,30,40,50,60),
                  EE=c(5,5,10,10,15,20)
                  )

在给定 DT1 每一行的现有值的情况下，如果满足多个条件，我如何向 DT1 添加一个新列（称为 NewCol），该列对 DT2 中的 EE 列求和：

1) AA 列 = CC 列

2) DD 列 >= BB 列

换句话说，总和 EE，其中 AA = CC AND DD >= BB。

想要的输出是：

DT1_DesiredOutput <- data.table(AA=c("A","B","C","A","B","C","A","B","C","A","B","C"),
                                BB=c(35,45,25,25,85,15,55,55,95,35,25,75),
                                NewCol=c(10,15,30,10,0,30,0,0,0,10,15,0)
                                )

加入？合并？放？还有什么？猜测循环遍历 DT1 的每一行效率低吗？

我还想知道如何使其可扩展，即添加几个条件（例如，多个大于、小于、等于混合“AND”和“OR”的值）。

非常感谢！

p.s.，这是 Excel 中的小菜一碟（我知道 咳嗽 次优），使用数组公式，例如

{=SUM(IF( ($F$7:$F$12=B7)*($G$7:$G$12>C7), $H$7:$H$12))}

复制到 NewCol 的每个单元格中。我不想用两张 Excel 表格把帖子弄得乱七八糟，显然 Excel 不是很好，原因有很多，但如果在 Excel 中那么容易，在 R data.tables 中一定也比较容易，对吧？

Answer 1

在最新的dev 1.9.7 version中使用非equi连接的魔力：

DT2[DT1, on = .(CC = AA, DD >= BB), .(NewCol = sum(EE, na.rm = T)), by = .EACHI]
#    CC DD NewCol
# 1:  A 35     10
# 2:  B 45     15
# 3:  C 25     30
# 4:  A 25     10
# 5:  B 85      0
# 6:  C 15     30
# 7:  A 55      0
# 8:  B 55      0
# 9:  C 95      0
#10:  A 35     10
#11:  B 25     15
#12:  C 75      0

希望生成的连接列的命名将来会变得更合乎逻辑，现在只需使用setnames。