意外行为非等连接data.table R [重复]

Question

考虑一些样本数据

library(data.table)
dt1 <- data.table(foo = 1:4, bar = letters[1:4])
dt2 <- data.table(foo1 = 2:5, bar1 = LETTERS[1:4])

我正在尝试通过 non-equi 连接来连接这两个示例 data.tables（这也需要我设置笛卡尔连接选项）：

options("datatable.allow.cartesian" = T)
dt3 <- dt1[dt2, on = .(foo < foo1), nomatch = 0L]

dt3 是：

    foo bar bar1
 1:   2   a    A
 2:   3   a    B
 3:   3   b    B
 4:   4   a    C
 5:   4   b    C
 6:   4   c    C
 7:   5   a    D
 8:   5   b    D
 9:   5   c    D
10:   5   d    D

但是这有两个问题：

1. 列 foo 没有值 5（这是一个明显的错误）
2. 列foo1 不存在于输出中（这可能会限制进一步的条件；如果有的话）

为了绕过第二个条件，我试过了：

dt2[, foo11 := foo1]
dt4 <- dt1[dt2, on = .(foo < foo1), nomatch = 0L]
options("datatable.allow.cartesian" = F)

这给了我dt4：

    foo bar bar1 foo11
 1:   2   a    A     2
 2:   3   a    B     3
 3:   3   b    B     3
 4:   4   a    C     4
 5:   4   b    C     4
 6:   4   c    C     4
 7:   5   a    D     5
 8:   5   b    D     5
 9:   5   c    D     5
10:   5   d    D     5

所以这里foo11 本质上是错误列foo 的副本，它看起来像另一个由于非等连接导致的错误。

我是否遗漏了任何一点或做错了什么？

Answer 1

我认为这种行为是预期的，除了变量的命名非常令人惊讶。我对您的示例数据进行了一些调整，以表明一切正常：

dt1 <- data.table(foo = 1:4, bar = letters[1:4])
dt2 <- data.table(foo1 = 2:4, bar1 = letters[2:4]) # small change here

dt1[dt2, on = .(foo < foo1), allow.cartesian = TRUE][dt1, on = "bar"]
    foo bar bar1 i.foo
 1:   2   a    b     1
 2:   3   a    c     1
 3:   4   a    d     1
 4:   5   a    e     1
 5:   3   b    c     2
 6:   4   b    d     2
 7:   5   b    e     2
 8:   4   c    d     3
 9:   5   c    e     3
10:   5   d    e     4

对我来说，这种行为是预期的，只是第一列被命名为foo 而不是foo1。这就是为什么您将 fool1 视为“错误 foo: it's actually a copy offoo1` 的错误副本。

编辑：一种可能的解决方法：

这不是很优雅，但却是一种解决方法：

dt1[dt2, .(foo = x.foo, foo1, bar, bar1), on = .(foo < foo1), allow.cartesian = TRUE]
    foo foo1 bar bar1
 1:   1    2   a    b
 2:   1    3   a    c
 3:   2    3   b    c
 4:   1    4   a    d
 5:   2    4   b    d
 6:   3    4   c    d
 7:   1    5   a    e
 8:   2    5   b    e
 9:   3    5   c    e
10:   4    5   d    e

x.foo 保留原来的，真实的foo。 foo1 仍然是原来的样子，所以你可以返回这两个变量。