由另一个data.table子集data.table而不合并所有列[重复]答案

【问题标题】：Subset data.table by another data.table without merging all columns [duplicate]由另一个data.table子集data.table而不合并所有列[重复]
【发布时间】：2017-05-04 06:05:49
【问题描述】：

使用 data.table，我想根据另一个表对一个表进行子集化。

DT1 <- data.table( A = c(1:5,1:2), B = c(1,1,1,2,2,2,3), C = c(1:3))
DT2 <- data.table( A = c(1, 2, 3), B = c(1,3,1), D = c(4:6))

输出应该只包含第一个表的列。

使用合并功能，我得到两个表的列

merge(DT1, DT2, by = c("A", "B"))

       A B C D
    1: 1 1 1 4
    2: 2 3 1 5
    3: 3 1 3 6

由于我的数据集有更多的列，我正在寻找一种不使用合并函数但使用 data.table 语法 [i, j, by] 来获取结果的方法。但是，对第一个表进行子集化后，它不会正确合并。

DT1[A %in% DT2[,A] & B %in% DT2[, B]]

       A B C
    1: 1 1 1
    2: 2 1 2    < wrong
    3: 3 1 3
    4: 2 3 1

DT1[A == DT2[,A] & B == DT2[, B]]
       A B C
    1: 1 1 1
    2: 3 1 3
    Warning messages:
    1: In A == DT2[, A] :
      longer object length is not a multiple of shorter object length
    2: In B == DT2[, B] :
      longer object length is not a multiple of shorter object length

有没有办法像合并一样获得正确的行，但使用 data.table 语法 [ ]？

【问题讨论】：

标签： r merge data.table subset

【解决方案1】：

按照@akrun 的回答，您可以识别连接中的行并使用它们对表进行子集化：

w = sort(DT1[DT2, on=.(A,B), which=TRUE, nomatch=0])
DT1[w]

#    A B C
# 1: 1 1 1
# 2: 3 1 3
# 3: 2 3 1

或更紧凑

DT1[sort(DT1[DT2, on=.(A,B), which=TRUE, nomatch=0])]

如果你想保持从 DT2 开始的顺序，不要排序；如果您想包含不匹配的行，请跳过nomatch=0。

【讨论】：

【解决方案2】：

我们先做一个连接，然后再做一个子集

nm1 <- names(DT1)
DT1[DT2, on = .(A, B)][, ..nm1]
#   A B C
#1: 1 1 1
#2: 2 3 1
#3: 3 1 3

另外，这是semi_join 来自dplyr 的情况

dplyr::semi_join(DT1, DT2, by = c('A', 'B'))
#  A B C
#1 1 1 1
#2 2 3 1
#3 3 1 3

【讨论】：

或DT1[DT1[DT2, on=.(A,B), which=TRUE, nomatch=0]]
@Frank 从来没有想过which 路线。很棒的选择。如果您想发布作为答案，请继续
无钥匙加入的智能方式。 on= 参数对我来说是新的。谢谢！如果第二个表有不同的列名，比如DT3 <- data.table( E = c(1, 2, 3), F = c(1,3,1), D = c(4:6))，它会是什么样子
@visu-l 在这种情况下，你会 od DT1[DT3, on =.(A=E, B=F)]
能否解释一下第二条链[, ..nm1]。我没有找到关于“..”的文档

【解决方案3】：

 setkey(DT1, A,B,C)
 DT1[DT2]
# not quite right
   A B C
1: 1 1 4
2: 2 3 5
3: 3 1 6
# so join just on the two shared columns
DT1[ DT2[,list(A,B)]  ]
   A B C
1: 1 1 1
2: 2 3 1
3: 3 1 3

查看DT2[,list(A,B)] 并看到在列表中命名所需列（不带引号）是获取列子集的常用方法。

【讨论】：