通过data.table roll=&x27；合并两组数据；最近的'；功能
我有两组数据通过data.table roll=&x27；合并两组数据；最近的'；功能,r,merge,data.table,R,Merge,Data.table,我有两组数据 集合A的示例（总行数：45467）： 集合B的示例（总行数：4798）： 我感兴趣的结果是，对于set_B，来自set_a的行与time_a和time_B的最近值匹配（输出行总数：4798）。在set_A中，time_A的值可以重复几次（例如ID_A[8，]和[ID_A[9，]）-哪一行将与set_B中的一行合并并不重要（在这种情况下ID_B[1，]）。预期结果示例： ID_b b1 b2 source time_b ID_a a1 a2 a3 t
集合A的示例（总行数：45467）：
集合B的示例（总行数：4798）：
我感兴趣的结果是，对于set_B
，来自set_a
的行与time_a
和time_B
的最近值匹配（输出行总数：4798）。在set_A
中，time_A
的值可以重复几次（例如ID_A[8，]
和[ID_A[9，]
）-哪一行将与set_B
中的一行合并并不重要（在这种情况下ID_B[1，]
）。预期结果示例：
ID_b b1 b2 source time_b ID_a a1 a2 a3 time_a
2 34.20 15.114 set1.csv.1 20.35750 8 85640 5274.1 301.6041 20.01000
7 67.20 16.114 set1.csv.2 21.35778 7 85697 5345.2 301.6043 21.00972
12 12.20 33.114 set1.csv.3 22.35806 4 65694 9375.2 301.6049 22.00972
17 73.20 67.114 set2.csv.1 23.35833 3 85694 9278.9 301.6051 23.00972
23 88.20 42.114 set2.csv.2 19.35861 5 85653 4375.5 301.6047 19.00972
28 90.20 52.114 set3.csv.1 00.35889 2 35694 5245.2 301.6053 00.00944
我在stackoverflow上遇到了许多类似的问题，我非常喜欢数据.table
库代码，因为它们看起来非常优雅。但是，我做了几次失败的尝试，我收到了基于两个集合构建的表（总行数45467）或者只将一列time\u a
合并到set\u B
…不过，我不会挑剔，如果有人有其他想法，我将非常感谢您的帮助
我正在处理的代码示例：
setDT(set_B)
setDT(set_A)
setkey(set_B, time_b) [, time_a:=time_b]
test_ab <- set_B[set_A, roll='nearest']
setDT（set_B）
setDT（set_A）
setkey（set_B，time_B）[，time_a:=time_B]
test_ab以下是基于您提供的样本数据的逐步示例：
# Sample data
library(data.table)
setDT(set_A)
setDT(set_B)
# Create time column by which to do a rolling join
set_A[, time := time_a]
set_B[, time := time_b]
setkey(set_A, time)
setkey(set_B, time)
# Rolling join by nearest time
set_merged <- set_B[set_A, roll = "nearest"]
unique(set_merged[order(ID_b)], by = "time")
# ID_b b1 b2 source time_b time ID_a a1 a2 a3
# 1: 2 34.2 15.114 set1.csv.1 20.35750 20.01000 8 85640 5274.1 301.6041
# 2: 7 67.2 16.114 set1.csv.2 21.35778 21.00972 7 85697 5345.2 301.6043
# 3: 12 12.2 33.114 set1.csv.3 22.35806 22.00972 4 65694 9375.2 301.6049
# 4: 17 73.2 67.114 set2.csv.1 23.35833 23.00972 3 85694 9278.9 301.6051
# 5: 23 88.2 42.114 set2.csv.2 19.35861 19.00972 5 85653 4375.5 301.6047
# 6: 28 90.2 52.114 set3.csv.1 0.35889 0.00944 2 35694 5245.2 301.6053
# time_a
# 1: 20.01000
# 2: 21.00972
# 3: 22.00972
# 4: 23.00972
# 5: 19.00972
# 6: 0.00944
样本数据
set\u A非常感谢代码和简单明了的解释，它帮助了我很多！我只是在行中做了一个更改：unique（set\u merged[order（ID\u b）]，by=“time”）
相反，我写了unique（set\u merged[order（ID\u b）]，by=“ID\u b”）
，因为set\u b
中的一些时间值也被复制了（ID_b
是唯一的）。是否要使用i
中的“set_b”查找x
中的“set_A”行？set_A[set_b，on=“time”，roll=“nearest”]
。这样您就不需要唯一的步骤。此外，如果在
上使用，则不需要两个设置键
步骤。另外，设置日期
通过引用更新，因此分配（小加法：如果你用fread
代替read.table
，那么读取的结果已经是data.table
。使用TRUE
代替ifT
也是（或似乎是）更好的做法。我认为这个问题中的小例子（是的，在实际问题中）很高兴能更好地了解数据。表
连接类型：。就我个人而言，我喜欢在
参数上使用，而不是设置键。在x[I，on=，…]
中，它明确了您要连接的内容。一些关于on
的好例子。干杯
setDT(set_B)
setDT(set_A)
setkey(set_B, time_b) [, time_a:=time_b]
test_ab <- set_B[set_A, roll='nearest']
# Sample data
library(data.table)
setDT(set_A)
setDT(set_B)
# Create time column by which to do a rolling join
set_A[, time := time_a]
set_B[, time := time_b]
setkey(set_A, time)
setkey(set_B, time)
# Rolling join by nearest time
set_merged <- set_B[set_A, roll = "nearest"]
unique(set_merged[order(ID_b)], by = "time")
# ID_b b1 b2 source time_b time ID_a a1 a2 a3
# 1: 2 34.2 15.114 set1.csv.1 20.35750 20.01000 8 85640 5274.1 301.6041
# 2: 7 67.2 16.114 set1.csv.2 21.35778 21.00972 7 85697 5345.2 301.6043
# 3: 12 12.2 33.114 set1.csv.3 22.35806 22.00972 4 65694 9375.2 301.6049
# 4: 17 73.2 67.114 set2.csv.1 23.35833 23.00972 3 85694 9278.9 301.6051
# 5: 23 88.2 42.114 set2.csv.2 19.35861 19.00972 5 85653 4375.5 301.6047
# 6: 28 90.2 52.114 set3.csv.1 0.35889 0.00944 2 35694 5245.2 301.6053
# time_a
# 1: 20.01000
# 2: 21.00972
# 3: 22.00972
# 4: 23.00972
# 5: 19.00972
# 6: 0.00944
library(data.table)
setDT(set_A)
setDT(set_B)
# Create time column by which to do a rolling join
set_A[, time := time_a]
set_B[, time := time_b]
set_A[set_B, on = "time", roll = "nearest"][order(ID_a)]
# ID_a a1 a2 a3 time_a time ID_b b1 b2 source
#1: 2 35694 5245.2 301.6053 0.00944 0.35889 28 90.2 52.114 set3.csv.1
#2: 3 85694 9278.9 301.6051 23.00972 23.35833 17 73.2 67.114 set2.csv.1
#3: 5 85653 4375.5 301.6047 19.00972 19.35861 23 88.2 42.114 set2.csv.2
#4: 6 12694 5236.3 301.6045 22.00972 22.35806 12 12.2 33.114 set1.csv.3
#5: 7 85697 5345.2 301.6043 21.00972 21.35778 7 67.2 16.114 set1.csv.2
#6: 9 30694 5279.0 301.6039 20.01000 20.35750 2 34.2 15.114 set1.csv.1
# time_b
#1: 0.35889
#2: 23.35833
#3: 19.35861
#4: 22.35806
#5: 21.35778
#6: 20.35750
set_A <- read.table(text =
"ID_a a1 a2 a3 time_a
2 35694 5245.2 301.6053 00.00944
3 85694 9278.9 301.6051 23.00972
4 65694 9375.2 301.6049 22.00972
5 85653 4375.5 301.6047 19.00972
6 12694 5236.3 301.6045 22.00972
7 85697 5345.2 301.6043 21.00972
8 85640 5274.1 301.6041 20.01000
9 30694 5279.0 301.6039 20.01000", header = T)
set_B <- read.table(text =
"ID_b b1 b2 source time_b
2 34.20 15.114 set1.csv.1 20.35750
7 67.20 16.114 set1.csv.2 21.35778
12 12.20 33.114 set1.csv.3 22.35806
17 73.20 67.114 set2.csv.1 23.35833
23 88.20 42.114 set2.csv.2 19.35861
28 90.20 52.114 set3.csv.1 00.35889", header = T)