R data.table 为每一行添加带有查询的新列答案

【问题标题】：R data.table add new column with query for each rowR data.table 为每一行添加带有查询的新列
【发布时间】：2017-12-13 01:00:58
【问题描述】：

我在 R 中有 2 个 R data.tables，如下所示：

first_table

id | first | trunc | val1
=========================
 1 |   Bob | Smith |   10
 2 |   Sue | Goldm |   20
 3 |   Sue | Wollw |   30
 4 |   Bob | Bellb |   40

second_table

id | first |       last | val2
==============================
 1 |   Bob |      Smith |    A
 2 |   Bob |      Smith |    B
 3 |   Sue |    Goldman |    A
 4 |   Sue |    Goldman |    B
 5 |   Sue |  Wollworth |    A
 6 |   Sue |  Wollworth |    B
 7 |   Bob | Bellbottom |    A
 8 |   Bob | Bellbottom |    B

如您所见，第一个表中的姓氏被截断。此外，名字和姓氏的组合在第一个表中是唯一的，但在第二个表中不是。我想在令人难以置信的幼稚假设下“加入”名字和姓氏的组合

first,last 唯一地定义一个人
截断姓氏不会引起歧义。

结果应该是这样的：

id | first | trunc |       last | val1 
=======================================
 1 |   Bob | Smith |      Smith |   10
 2 |   Sue | Goldm |    Goldman |   20
 3 |   Sue | Wollw |  Wollworth |   30
 4 |   Bob | Bellb | Bellbottom |   40

基本上，对于 table_1 中的每一行，我都需要找到一个回填姓氏的行。

对于 first_table 中的每一行：在 second_table 中找到第一行：匹配 first_name & trunc 是 last 的子字符串然后加入那一行

有没有一种简单的矢量化方法可以使用data.table 完成此操作？

【问题讨论】：

标签： r data.table

【解决方案1】：

一种方法是加入first，然后根据子字符串匹配进行过滤

first_table[
    unique(second_table[, .(first, last)])
    , on = "first"
    , nomatch = 0
][
    substr(last, 1, nchar(trunc)) == trunc
]

#    id first trunc val1       last
# 1:  1   Bob Smith   10      Smith
# 2:  2   Sue Goldm   20    Goldman
# 3:  3   Sue Wollw   30  Wollworth
# 4:  4   Bob Bellb   40 Bellbottom

或者，对second_table 进行截断以匹配第一列，然后在两列上加入

first_table[
    unique(second_table[, .(first, last, trunc = substr(last, 1, 5))])
    , on = c("first", "trunc")
    , nomatch = 0
]
## yields the same answer

【讨论】：