R 如何执行data.table合并操作

注：此问题和以下答案涉及数据表版本<1.5.3；v1.5.3于2011年2月发布，以解决此问题。见最近的治疗（2012年3月）：

---

我一直在翻阅文档（data.frame的替代品，在某些操作中效率更高），包括（pdf），但无法理解这个完全琐碎的操作

> x <- DT(a=1:3, b=2:4, key='a')
> x
     a b
[1,] 1 2
[2,] 2 3
[3,] 3 4
> y <- DT(a=1:3, c=c('a','b','c'), key='a')
> y
     a c
[1,] 1 a
[2,] 2 b
[3,] 3 c
> x[y]
     a b
[1,] 1 2
[2,] 2 3
[3,] 3 4
> merge(x,y)
  a b c
1 1 2 a
2 2 3 b
3 3 4 c

>x
a b
[1,] 1 2
[2,] 2 3
[3,] 3 4
>y y
a c
[1,1]a
[2，]2b
[3，]3 c
>x[y]
a b
[1,] 1 2
[2,] 2 3
[3,] 3 4
>合并（x，y）
a、b、c
1 12 a
2 3 b
3 3 4 c

---

文档中说：“当[第一个参数]本身是data.table时，将调用类似于base:：merge的连接，但对排序键使用二进制搜索。”显然情况并非如此。我可以用data.tables将y中的其他列放入x[y]的结果中吗？它似乎只是取了x的行，其中键与y的键匹配，但完全忽略了y的其余部分…

您引用的文档部分是错误的。如果您查看

[.data.table

的文档，您将看到：

当i是data.table时，x必须有一个 键，表示将i连接到x并返回 x中匹配的行。相等联接 在i中的每列之间执行 按顺序添加到x键中的每一列。 这与base R类似 子设置矩阵的功能 由2列矩阵和更高的 n维子集的维数 n列矩阵的数组

我承认包的描述（你引用的部分）有些混乱，因为它似乎说“[”-操作可以用来代替合并。但我认为它说的是：如果x和y都是数据表，我们在索引上使用连接（调用类似合并）而不是二进制搜索

---

还有一件事：

我通过

install.packages

安装的data.table库缺少

merge.data.table方法

，因此使用

merge

将调用

merge.data.frame

。安装R后，使用更快的

merge.data.table方法

您可以通过检查以下项的输出来检查是否具有merge.data.table方法：

methods(generic.function="merge")


编辑[答案不再有效]：此答案指的是data.table版本1.3。在版本1.5.3中，data.table的行为已更改，x[y]返回预期结果。感谢data.table的作者在评论中指出了这一点。
我认为f3lix是正确的，文档有点误导。好处在于快速连接数据子集。之后您仍然需要像上面的示例一样使用
merge
函数

您将看到，他的示例是这样运行的。他首先对其中一个data.tables进行子集设置，然后进行合并：

library(data.table)
sdt <- DT(series, key='series_id')
ddt <- DT(data, key='series_id')
u <- sdt[ grepl('^[A-Z]{2}URN', fred_id) & !grepl('DSURN', fred_id) ]
d <- ddt[ u, DT(min=min(value)), by='series_id', mult='all']
data <- merge(d,series)[,c('title','min','mean','max')]

库（data.table）
sdt感谢您的回答。我在最初发布时错过了此线程。data.table从2月份开始移动。1.4.1不久前发布到CRAN，1.5即将发布。例如，DT（）别名已替换为list（）；作为原语，它的速度要快得多，而data.table现在继承自data.frame，因此它可以与只接受data.frame的包（如ggplot和lattice）一起工作，而不需要任何转换（更快、更方便）

有没有可能订阅data.table标签，这样当有人发布带有该标签的问题时，我会收到一封电子邮件？datatable帮助列表已经增长到每月大约30-40条消息，但如果我能得到某种通知，我也很乐意在这里回答

Matthew
我认为不需要使用
base:：merge
函数，因为使用
数据。表
连接可以快得多。例如，请参见以下内容。我制作了
x
和
y
数据表，其中包含3-3列：

x <- data.table( foo = 1:5, a=20:24, zoo = 5:1 )
y <- data.table( foo = 1:5, b=30:34, boo = 10:14)
setkey(x, foo)
setkey(y, foo)

结果不完全相同，因为后者有一个额外的列：

merge(x,y)
##      foo  a zoo  b boo
## [1,]   1 20   5 30  10
## [2,]   2 21   4 31  11
## [3,]   3 22   3 32  12
## [4,]   4 23   2 33  13
## [5,]   5 24   1 34  14

x[,list(x,y)]
##      foo  a zoo foo.1  b boo
## [1,]   1 20   5     1 30  10
## [2,]   2 21   4     2 31  11
## [3,]   3 22   3     3 32  12
## [4,]   4 23   2     4 33  13
## [5,]   5 24   1     5 34  14

这不会造成太大的麻烦：）
啊。看起来CRAN上的版本是1.2版，而R-Forge上的版本是1.3版。显然，
merge
方法是在1.3中添加的。从我在R-Forge周围看到的情况来看，该方法是在大约8个月前添加的，所以我不知道为什么它还没有在CRAN上！X[Y]语法在2011年2月发布到CRAN的v1.5.3版本中发生了更改。请查看新闻、新的？data.table和更正的常见问题解答。谢谢，这很有趣。不过，这是一个完全不明显的语法！如果我使用它，我可能会重新定义一个函数，该函数具有
函数（x，y）x[，列表（x，y）]
或其他什么，可能也会删除额外的键列……我认为data.table中连接的正确语法实际上是x[y]或x[y，]，即连接应该使用第一个索引。这会给出与merge相同的结果。请注意，x[y]和y[x]不需要完全相同，即，如果y在foo中包含不代表x的条目。可能我遗漏了一些内容，但请参见数据表中的连接。上面的x[，list（x，y）]对我不起作用。我尝试了x[，c（x，y）]，但它起了作用。我不确定这是否有意义。使用setkey后，您可以只执行x[y]2011年2月发布给CRAN的v1.5.3解决了这一问题。请查看其新闻、新数据表和更正的常见问题解答。
merge(x,y)
##      foo  a zoo  b boo
## [1,]   1 20   5 30  10
## [2,]   2 21   4 31  11
## [3,]   3 22   3 32  12
## [4,]   4 23   2 33  13
## [5,]   5 24   1 34  14

x[,list(x,y)]
##      foo  a zoo foo.1  b boo
## [1,]   1 20   5     1 30  10
## [2,]   2 21   4     2 31  11
## [3,]   3 22   3     3 32  12
## [4,]   4 23   2     4 33  13
## [5,]   5 24   1     5 34  14