data.table 有条件地使用另一个 data.table 中的值替换数据

Question

这类似于Update values in data.table with values from another data.table 和R data.table replacing an index of values from another data.table，除了在我的情况下变量的数量非常大，所以我不想明确列出它们。

我拥有的是一个大的data.table（我们称之为dt_original）和一个较小的data.table（我们称之为dt_newdata），它们的ID是第一个的子集，它只有一些变量第一个。我想用dt_newdata 中的值更新dt_original 中的值。为了增加一个转折点，我仅想有条件地更新这些值 - 在这种情况下，仅当 dt_newdata 中的值大于 dt_original 中的相应值时。

对于可重现的示例，以下是数据。在现实世界中，表格要大得多：

library(data.table)
set.seed(0)

## This data.table with 20 rows and many variables is the existing data set
dt_original <- data.table(id = 1:20)
setkey(dt_original, id)

for(i in 2015:2017) {
  varA <- paste0('varA_', i)
  varB <- paste0('varB_', i)
  varC <- paste0('varC_', i)

  dt_original[, (varA) := rnorm(20)]
  dt_original[, (varB) := rnorm(20)]
  dt_original[, (varC) := rnorm(20)]
}

## This table with a strict subset of IDs from dt_original and only a part of
## the variables is our potential replacement data
dt_newdata <- data.table(id = sample(1:20, 3))
setkey(dt_newdata, id)

newdata_vars <- sample(names(dt_original)[-1], 4)

for(var in newdata_vars) {
  dt_newdata[, (var) := rnorm(3)]
}

这是一种使用循环和pmax 的方法，但必须有更好的方法，对吧？

for(var in newdata_vars) {
  k <- pmax(dt_newdata[, (var), with = FALSE], dt_original[id %in% dt_newdata$id, (var), with = FALSE])
  dt_original[id %in% dt_newdata$id, (var) := k, with = FALSE]
}

似乎应该有一种使用连接语法的方法，可能是前缀i. 和/或.SD 或类似的东西，但我尝试过的任何方法都不足以保证在这里重复。

Answer 1

根据您的标准，此代码应以当前格式工作。

dt_original[dt_newdata, names(dt_newdata) := Map(pmax, mget(names(dt_newdata)), dt_newdata)]

它加入到data.tables之间匹配的ID，然后使用:=进行赋值因为我们要返回一个列表，所以我使用Map通过data.tables匹配的列运行pmax以 dt_newdata 的名称命名。请注意，dt_newdata 的所有名称都必须在 dt_original 数据中。

根据 Frank 的评论，您可以删除 Map 列表项的第一列和使用 [-1] 的列名称，因为它们是 ID，不需要计算。从Map 中删除第一列避免了pmax 的一次传递，并且还保留了id 上的密钥。感谢 @brian-stamper 指出 cmets 中的密钥保存。

dt_original[dt_newdata,
            names(dt_newdata)[-1] := Map(pmax,
                                         mget(names(dt_newdata)[-1]),
                                         dt_newdata[, .SD, .SDcols=-1])]

注意[-1]的使用假设ID变量位于new_data的第一个位置。如果它在其他地方，您可以手动更改索引或使用grep。