R中不同列的部分匹配上的data.table合并

这个问题以前可能被问过，但我正在寻找一个data.table解决方案，如果可能的话，不使用其他包。我有一个数据表DT1作为参考：

> require(data.table)
> DT1 <- data.table(col1 = c("AA", "BA", "ABC", "ABC BC", "AB")
                  , col2 = c(1,4,5,3,2))
> DT1
     col1 col2
1:     AA    1
2:     BA    4
3:    ABC    5
4: ABC BC    3
5:     AB    2

---

考虑到问题的规模（DT1[（1:50000），（1:25）]-DT2[（1:50000000），（1:55）]，在执行双向

grepl

之前，可能不可能执行IDs的CJ

分解不同类型的匹配/近似匹配，我们可以1）首先查找精确匹配，2）然后查找近似匹配，其中DT1中的子字符串可以在DT2中找到，然后，3）反之亦然

最后，我们对所有结果进行行绑定，并在原始DT2和行绑定结果之间进行左连接，以获得所需的输出

exactMatches <- DT1[DT2, on=c("ID1"="ID2"), nomatch=0L][,
    ID2 := ID1]

substr1in2 <- DT2[, c(.SD, DT1[grepl(ID2, ID1) & ID1 != ID2]), 
    by=1:DT2[,.N]][!is.na(VAL1), -1L]

substr2in1 <- DT1[, c(.SD, DT2[grepl(ID1, ID2) & ID2 != ID1]), 
    by=1:DT1[,.N]][!is.na(VAL2), -1L]

binded <- rbindlist(list(exactMatches, substr1in2, substr2in1), 
    use.names=TRUE, fill=TRUE)

binded[DT2, on=.(ID2, VAL2)]

---

exactMatches A data.table是一个data.frame。那么，为什么不使用data.frame呢？因为要制作一个data.table，你需要一个额外的包：因为它是一个非常大的数据集，数据帧合并操作非常缓慢。这是相关的：？嗯。这是相关的，但它不是完全相同的问题。在加入DT2之前在DT1的col1中按空格分割会对你的数据集起作用吗？谢谢@chinsoon12，这已经很好了。但当前解决方案的问题是，当grepl（ID，PATTERN）返回VAL1时，grepl需要有两种方式，或者至少是另一种方式。不幸的是，我的初始示例没有显示这种情况，但我编辑了问题以进行澄清（从匹配案例中可以看到），我在DT2中添加了一行，用于反向部分匹配的情况DT1和DT2的维度是什么？DT1[（1:50000），（1:25）]-DT2[（1:50000000），（1:55）]如果需要，可以将DT2分块到更小的集合
 > desired_output <- data.table(col1 = c(0,5,5,2,7,1,1,1,0)
                                 , col2 = c("BA", "ABC", "ABC", "DC", "AA",  "AB", "AB", "AB", "R AB")
                                 , col3 = c(4,5,3,NA,1,5,3,2,2))
> desired_output
   col1 col2 col3
1:    0   BA    4
2:    5  ABC    5
3:    5  ABC    3
4:    2   DC   NA
5:    7   AA    1
6:    1   AB    5
7:    1   AB    3
8:    1   AB    2
9:    0  R AB   2

col1/DT1    col2/DT2
  "AB"       "There is ABhere"    # it's a match
  "ABC"      "someABC"            # it's a match
  "ABC BC"   "ABC"                # it's a reverse match
  "DR"       "ADD"                # no match
  "BA"       "HABAHA"             # two matches

exactMatches <- DT1[DT2, on=c("ID1"="ID2"), nomatch=0L][,
    ID2 := ID1]

substr1in2 <- DT2[, c(.SD, DT1[grepl(ID2, ID1) & ID1 != ID2]), 
    by=1:DT2[,.N]][!is.na(VAL1), -1L]

substr2in1 <- DT1[, c(.SD, DT2[grepl(ID1, ID2) & ID2 != ID1]), 
    by=1:DT1[,.N]][!is.na(VAL2), -1L]

binded <- rbindlist(list(exactMatches, substr1in2, substr2in1), 
    use.names=TRUE, fill=TRUE)

binded[DT2, on=.(ID2, VAL2)]

       ID1 VAL1 VAL2  ID2
 1:     BA    4    0   BA
 2:    ABC    5    5  ABC
 3: ABC BC    3    5  ABC
 4:     AB    2    5  ABC
 5:   <NA>   NA    2   DC
 6:     AA    1    7   AA
 7:     AB    2    1   AB
 8:    ABC    5    1   AB
 9: ABC BC    3    1   AB
10:     AB    2    0 R AB

DT1 <- data.table(ID1 = c("AA", "BA", "ABC", "ABC BC", "AB"), 
    VAL1 = c(1,4,5,3,2))

DT2 <- data.table(VAL2 = c(0,5,2,7,1,0),
    ID2 = c("BA", "ABC", "DC", "AA", "AB", "R AB"))