R 连接然后使用data.table（不含中间表）进行变异

我是

data.table

的初学者，四处搜索以进行连接，然后对列进行变异。我找到了线索，但无法继续

请注意，我可以使用

dplyr

完成我想做的事情，但是由于数据的大小，在实际数据上运行此代码是不可行的。另外，由于上述原因，我无法创建中间表

以下是我使用dplyr的数据和解决方案

输入

DFI = structure(list(PO_ID = c("P1234", "P1234", "P1234", "P1234", 
"P1234", "P1234", "P2345", "P2345", "P3456", "P4567"), SO_ID = c("S1", 
"S1", "S1", "S2", "S2", "S2", "S3", "S4", "S7", "S10"), F_Year = c(2012, 
2012, 2012, 2013, 2013, 2013, 2011, 2011, 2014, 2015), Product_ID = c("385X", 
"385X", "385X", "450X", "450X", "900X", "3700", "3700", "A11U", 
"2700"), Revenue = c(1, 2, 3, 34, 34, 6, 7, 88, 9, 100), Quantity = c(1, 
2, 3, 8, 8, 6, 7, 8, 9, 40), Location1 = c("MA", "NY", "WA", 
"NY", "WA", "NY", "IL", "IL", "MN", "CA")), .Names = c("PO_ID", 
"SO_ID", "F_Year", "Product_ID", "Revenue", "Quantity", "Location1"
), row.names = c(NA, 10L), class = "data.frame")

DFO = structure(list(PO_ID = c("P1234", "P1234", "P1234", "P1234", 
"P1234", "P1234", "P2345", "P2345", "P3456", "P4567"), SO_ID = c("S1", 
"S1", "S1", "S2", "S2", "S2", "S3", "S4", "S7", "S10"), F_Year = c(2012, 
2012, 2012, 2013, 2013, 2013, 2011, 2011, 2014, 2015), Product_ID = c("385X", 
"385X", "385X", "450X", "450X", "900X", "3700", "3700", "A11U", 
"2700"), Revenue = c(16.6666666666667, 16.6666666666667, 16.6666666666667, 
35, 35, 35, 100, -50, 50, 100), Quantity = c(1, 1, 1, 10, 10, 
20, 20, -10, 20, 40), Location1 = c("MA", "NY", "WA", "NY", "WA", 
"NY", "IL", "IL", "MN", "CA")), .Names = c("PO_ID", "SO_ID", 
"F_Year", "Product_ID", "Revenue", "Quantity", "Location1"), row.names = c(NA, 
10L), class = "data.frame")

查找表

DF_Lookup = structure(list(PO_ID = c("P1234", "P1234", "P1234", "P2345", 
"P2345", "P3456", "P4567"), SO_ID = c("S1", "S2", "S2", "S3", 
"S4", "S7", "S10"), F_Year = c(2012, 2013, 2013, 2011, 2011, 
2014, 2015), Product_ID = c("385X", "450X", "900X", "3700", "3700", 
"A11U", "2700"), Revenue = c(50, 70, 35, 100, -50, 50, 100), 
    Quantity = c(3, 20, 20, 20, -10, 20, 40)), .Names = c("PO_ID", 
"SO_ID", "F_Year", "Product_ID", "Revenue", "Quantity"), row.names = c(NA, 
7L), class = "data.frame")

输出

DFI = structure(list(PO_ID = c("P1234", "P1234", "P1234", "P1234", 
"P1234", "P1234", "P2345", "P2345", "P3456", "P4567"), SO_ID = c("S1", 
"S1", "S1", "S2", "S2", "S2", "S3", "S4", "S7", "S10"), F_Year = c(2012, 
2012, 2012, 2013, 2013, 2013, 2011, 2011, 2014, 2015), Product_ID = c("385X", 
"385X", "385X", "450X", "450X", "900X", "3700", "3700", "A11U", 
"2700"), Revenue = c(1, 2, 3, 34, 34, 6, 7, 88, 9, 100), Quantity = c(1, 
2, 3, 8, 8, 6, 7, 8, 9, 40), Location1 = c("MA", "NY", "WA", 
"NY", "WA", "NY", "IL", "IL", "MN", "CA")), .Names = c("PO_ID", 
"SO_ID", "F_Year", "Product_ID", "Revenue", "Quantity", "Location1"
), row.names = c(NA, 10L), class = "data.frame")

DFO = structure(list(PO_ID = c("P1234", "P1234", "P1234", "P1234", 
"P1234", "P1234", "P2345", "P2345", "P3456", "P4567"), SO_ID = c("S1", 
"S1", "S1", "S2", "S2", "S2", "S3", "S4", "S7", "S10"), F_Year = c(2012, 
2012, 2012, 2013, 2013, 2013, 2011, 2011, 2014, 2015), Product_ID = c("385X", 
"385X", "385X", "450X", "450X", "900X", "3700", "3700", "A11U", 
"2700"), Revenue = c(16.6666666666667, 16.6666666666667, 16.6666666666667, 
35, 35, 35, 100, -50, 50, 100), Quantity = c(1, 1, 1, 10, 10, 
20, 20, -10, 20, 40), Location1 = c("MA", "NY", "WA", "NY", "WA", 
"NY", "IL", "IL", "MN", "CA")), .Names = c("PO_ID", "SO_ID", 
"F_Year", "Product_ID", "Revenue", "Quantity", "Location1"), row.names = c(NA, 
10L), class = "data.frame")

这是我使用dplyr的代码

我在这里使用两个库：

dplyr

和

compare

我正在使用left join将新条目从查找表添加到

DFI

。然后，我根据组中的行数划分收入和列。这是因为我想防止分组时数字膨胀

DF_Generated <- DFI %>% 
  dplyr::left_join(DF_Lookup,by = c("PO_ID", "SO_ID", "F_Year", "Product_ID")) %>%
  dplyr::group_by(PO_ID, SO_ID, F_Year, Product_ID) %>%
  dplyr::mutate(Count = n()) %>%
  dplyr::ungroup()%>%
  dplyr::mutate(Revenue = Revenue.y/Count, Quantity = Quantity.y/Count) %>%
  dplyr::select(PO_ID:Product_ID,Location1,Revenue,Quantity)

---

我真诚地感谢任何帮助

只需将列添加到DFI（在“更新联接”中），而不是创建新表，效率更高：

DFI[DF_Lookup, on=.(PO_ID, SO_ID, F_Year, Product_ID), 
  `:=`(newrev = i.Revenue/.N, newqty = i.Quantity/.N)
, by=.EACHI]

    PO_ID SO_ID F_Year Product_ID Revenue Quantity Location1    newrev newqty
 1: P1234    S1   2012       385X       1        1        MA  16.66667      1
 2: P1234    S1   2012       385X       2        2        NY  16.66667      1
 3: P1234    S1   2012       385X       3        3        WA  16.66667      1
 4: P1234    S2   2013       450X      34        8        NY  35.00000     10
 5: P1234    S2   2013       450X      34        8        WA  35.00000     10
 6: P1234    S2   2013       900X       6        6        NY  35.00000     20
 7: P2345    S3   2011       3700       7        7        IL 100.00000     20
 8: P2345    S4   2011       3700      88        8        IL -50.00000    -10
 9: P3456    S7   2014       A11U       9        9        MN  50.00000     20
10: P4567   S10   2015       2700     100       40        CA 100.00000     40

这是OP中链接的Q&a的一个非常自然的扩展

by=.EACHI

按

x[i，on=，j]

中的

i

每行分组；

.N

是组中有多少行

---

如果要覆盖rev和qty列，请使用

`:=`（Revenue=i.Revenue/.N，Quantity=i.Quantity/.N）

只需将列添加到DFI（在“更新联接”中），而不是创建新表，效率更高：

DFI[DF_Lookup, on=.(PO_ID, SO_ID, F_Year, Product_ID), 
  `:=`(newrev = i.Revenue/.N, newqty = i.Quantity/.N)
, by=.EACHI]

    PO_ID SO_ID F_Year Product_ID Revenue Quantity Location1    newrev newqty
 1: P1234    S1   2012       385X       1        1        MA  16.66667      1
 2: P1234    S1   2012       385X       2        2        NY  16.66667      1
 3: P1234    S1   2012       385X       3        3        WA  16.66667      1
 4: P1234    S2   2013       450X      34        8        NY  35.00000     10
 5: P1234    S2   2013       450X      34        8        WA  35.00000     10
 6: P1234    S2   2013       900X       6        6        NY  35.00000     20
 7: P2345    S3   2011       3700       7        7        IL 100.00000     20
 8: P2345    S4   2011       3700      88        8        IL -50.00000    -10
 9: P3456    S7   2014       A11U       9        9        MN  50.00000     20
10: P4567   S10   2015       2700     100       40        CA 100.00000     40

这是OP中链接的Q&a的一个非常自然的扩展

by=.EACHI

按

x[i，on=，j]

中的

i

每行分组；

.N

是组中有多少行

---

如果要覆盖版本和数量列，请使用

`:=`（Revenue=i.Revenue/.N，Quantity=i.Quantity/.N）

确定。我所做的只是左连接，然后在结果中对列进行变异。不过，让我写几行。我已经添加了逻辑。好的。我所做的只是一个左连接，然后在结果中改变列。不过，让我写几行。我添加了逻辑。太棒了。谢谢我如何摆脱旧的收入和数量？如果您也能添加这一部分，我将不胜感激。@watchtower您可以在

`:=`（）

中使用它们的名称，这些列将被覆盖。（我通常不太愿意这样改写。）谢谢你，弗兰克。这很有帮助。我正在读

.EACHI

上的一篇文章。我如何知道上面代码中的分组内容？我猜它是

PO\u ID

，

SO\u ID

，

F\u Year

，

Product\u ID

？如果是这样，我如何修改您的代码，使其仅对4列中的3列进行分组，例如

PO_ID

，

so_ID

，

F_Year

？我知道这是一个不同的问题，我可以为它创建一个新的线程。请让我知道。@watchtower它不是根据这些变量分组，而是在表的

i

位置的每一行上分组。原则上，您可以在那里重复行，每个行都将由.EACHI单独处理。例如，我可以在第一行加入两次：

DFI[DF_Lookup[c（1,1）]，on=（PO_ID，SO_ID，F_Year，Product_ID），.N，by=.EACHI]

。关于如何在一组列上进行连接，但基于一组较小的列进行计数，是的，不幸的是，该功能在更新连接中还不可用：实际上，对于这种情况，有一些非常简单的解决方法（考虑到您仅使用

.N

），但是，是的，我认为它需要一个单独的问题。太棒了。谢谢我如何摆脱旧的收入和数量？如果您也能添加这一部分，我将不胜感激。@watchtower您可以在

`:=`（）

中使用它们的名称，这些列将被覆盖。（我通常不太愿意这样改写。）谢谢你，弗兰克。这很有帮助。我正在读

.EACHI

上的一篇文章。我如何知道上面代码中的分组内容？我猜它是

PO\u ID

，

SO\u ID

，

F\u Year

，

Product\u ID

？如果是这样，我如何修改您的代码，使其仅对4列中的3列进行分组，例如

PO_ID

，

so_ID

，

F_Year

？我知道这是一个不同的问题，我可以为它创建一个新的线程。请让我知道。@watchtower它不是根据这些变量分组，而是在表的

i

位置的每一行上分组。原则上，您可以在那里重复行，每个行都将由.EACHI单独处理。例如，我可以在第一行加入两次：

DFI[DF_Lookup[c（1,1）]，on=（PO_ID，SO_ID，F_Year，Product_ID），.N，by=.EACHI]

。关于如何在一组列上进行连接，但基于一组较小的列进行计数，是的，不幸的是，该功能在更新连接中还不可用：实际上，对于这种情况，有一些非常简单的解决方法（考虑到您仅使用

.N

），但是，是的，我认为它需要一个单独的问题。