合并数据表，如 R 中的数据框答案

【问题标题】：Merge data tables like data frames in R合并数据表，如 R 中的数据框
【发布时间】：2012-07-11 15:00:43
【问题描述】：

由于时间限制，我决定在我的代码中使用数据表而不是数据帧，因为它们要快得多。但是，我仍然想要数据框的功能。我需要合并两个数据表，保留所有值（例如在合并中设置 all=TRUE）。

一些示例代码：

> x1 = data.frame(index = 1:10)
> y1 = data.frame(index = c(2,4,6), weight = c(.2, .5, .3))
> x1
   index
1      1
2      2
3      3
4      4
5      5
6      6
7      7
8      8
9      9
10    10
> y1
  index weight
1     2    0.2
2     4    0.5
3     6    0.3

> merge(x,y, all=TRUE)
      index weight
 [1,]     1     NA
 [2,]     2      1
 [3,]     3     NA
 [4,]     4      2
 [5,]     5     NA
 [6,]     6      3
 [7,]     7     NA
 [8,]     8     NA
 [9,]     9     NA
[10,]    10     NA

现在我可以对数据表做类似的事情吗？（NA不一定要留下来，反正我把它们改成0）。

> x2 = data.table(index = 1:10, key ="index")
> y2 = data.table(index = c(2,4,6), weight= c(.3,.5,.2))

我知道你可以合并，但我也知道有更快的方法。

【问题讨论】：

我过去曾思考过这个问题，但从未找到答案。我认为FAQ 也没有解决这个问题，或者我太密集了，看不到它在哪里被覆盖。当我需要这样做时，我总是使用merge()...
另外，merge.data.table 在最近的版本中得到了加速。所以现在使用merge() 与X[Y] 的惩罚（嗯，应该）要少得多。输入 data.table:::merge.data.table 以查看在内部使用 X[Y] 的工作原理。
@MatthewDowle - 啊，是的，我已经阅读了几次，但它并没有真正点击。看到这个例子和下面的答案，一切都变得圆满了。干杯。

标签： r data.table

【解决方案1】：

所以继续Translating SQL joins on foreign keys to R data.table syntax

x2 = data.table(index = 1:10, key ="index")
y2 = data.table(index = c(2,4,6), weight= c(.3,.5,.2),key="index")
y2[J(x2$index)]

【讨论】：

是的，实际上是在一秒钟前发现的。实际上 y2[x2] 也可以正常工作，但我之前忽略了它，因为 x2[y2] 没有保留所有这些，我认为它们是相同的。谢谢！
你将如何在两边进行外部连接；即如果：y2 = data.table(index = c(2,4,6,7,8,11), weight= c(.3,.5,.2), key = "index") 怎么办？我想将所有 11 个索引值作为 merge(..., all=TRUE) 给出的输出。
我认为您可以尝试使用 all = TRUE 的普通旧 merge()，因为它使用更快的 merge.data.table() 函数。但是，我还没有让它正常工作，所以我会回到这个。

【解决方案2】：

我使用如下函数：

mergefast<-function(x,y,by.x,by.y,all) {
  x_dt<-data.table(x)
  y2<-y
  for (i in 1:length(by.y)) names(y2)[grep(by.y[i],names(y2))]<-by.x[i]
  y_dt<-data.table(y2)
  setkeyv(x_dt,by.x)
  setkeyv(y_dt,by.x)
  as.data.frame(merge(x_dt,y_dt,by=by.x,all=all))
}

在您的示例中可以用作：

mergefast(x1,y1,by.x="index",by.y="index",all=T)

merge 的功能有点欠缺，例如by、all.x、all.y，但这些可以很容易地合并。

【讨论】：