R data.table有条件地使用另一个data.table中的值替换数据

这与和类似，只是在我的情况下，变量的数量非常大，所以我不想显式地列出它们

我拥有的是一个大的

数据表

（我们称之为

dt_original

）和一个较小的

数据表

（我们称之为

dt_newdata

），它的ID是第一个的子集，并且只有第一个的一些变量。我想用

dt\u newdata

中的值更新

dt\u original

中的值。对于附加的扭曲，我只想有条件地更新值-在本例中，仅当

dt_newdata

中的值大于

dt_original

中的相应值时

对于可再现的示例，以下是数据。在现实世界中，表格要大得多：

library(data.table)
set.seed(0)

## This data.table with 20 rows and many variables is the existing data set
dt_original <- data.table(id = 1:20)
setkey(dt_original, id)

for(i in 2015:2017) {
  varA <- paste0('varA_', i)
  varB <- paste0('varB_', i)
  varC <- paste0('varC_', i)

  dt_original[, (varA) := rnorm(20)]
  dt_original[, (varB) := rnorm(20)]
  dt_original[, (varC) := rnorm(20)]
}

## This table with a strict subset of IDs from dt_original and only a part of
## the variables is our potential replacement data
dt_newdata <- data.table(id = sample(1:20, 3))
setkey(dt_newdata, id)

newdata_vars <- sample(names(dt_original)[-1], 4)

for(var in newdata_vars) {
  dt_newdata[, (var) := rnorm(3)]
}

---

似乎应该有一种使用连接语法的方法，可能还有前缀

i.

和/或

.SD

或类似的东西，但是我尝试过的任何东西都不足以保证在这里重复。

根据您的标准，此代码应该以当前格式工作

dt_original[dt_newdata, names(dt_newdata) := Map(pmax, mget(names(dt_newdata)), dt_newdata)]

它连接到data.tables之间匹配的ID，然后使用

：=

执行赋值，因为我们想要返回一个列表，所以我使用

Map

通过data.tables的列运行

pmax

，这些列通过dt_newdata的名称匹配。请注意，所有dt_newdata的名称都必须在dt_原始数据中

在Frank的评论之后，您可以使用

[-1]

删除

映射

列表项的第一列和列名，因为它们是不需要计算的ID。从

Map

中删除第一列可以避免一次通过

pmax

，还可以保留id上的密钥。感谢@brian stamper在注释中指出密钥保留

dt_original[dt_newdata,
            names(dt_newdata)[-1] := Map(pmax,
                                         mget(names(dt_newdata)[-1]),
                                         dt_newdata[, .SD, .SDcols=-1])]

---

请注意，

[-1]

的使用假定ID变量位于新数据的第一个位置。如果在别处，您可以手动更改索引或使用

grep

根据您的条件，此代码应以当前格式工作

dt_original[dt_newdata, names(dt_newdata) := Map(pmax, mget(names(dt_newdata)), dt_newdata)]

它连接到data.tables之间匹配的ID，然后使用

：=

执行赋值，因为我们想要返回一个列表，所以我使用

Map

通过data.tables的列运行

pmax

，这些列通过dt_newdata的名称匹配。请注意，所有dt_newdata的名称都必须在dt_原始数据中

在Frank的评论之后，您可以使用

[-1]

删除

映射

列表项的第一列和列名，因为它们是不需要计算的ID。从

Map

中删除第一列可以避免一次通过

pmax

，还可以保留id上的密钥。感谢@brian stamper在注释中指出密钥保留

dt_original[dt_newdata,
            names(dt_newdata)[-1] := Map(pmax,
                                         mget(names(dt_newdata)[-1]),
                                         dt_newdata[, .SD, .SDcols=-1])]

---

请注意，

[-1]

的使用假定ID变量位于新数据的第一个位置。如果在别处，您可以手动更改索引或使用

grep

是的，您的pmax看起来非常像

dt_original[dt_newdata，on=（id），pmax（x.varB，i.varB）]

，唯一的问题是坚持将“varB”作为字符传递。。。可能可以通过将数据放在长格式而不是宽格式中来解决。请使用

set.seed

使此文件重新生成

set.seed（0）

，谢谢。将

varB

视为几百个变量名的混合体，是

dt\u original

中变量的任意子集。这个例子可能会让它看起来有点太常规了。名称是否异构并不重要。它们显然都是数字的（通过使用pmax来判断），这意味着它们在长格式数据集中的一列中可以很好地协同工作。这就是熔化（dt_original，id=“id”）。从这里开始，您可能还希望将var名称拆分为组件部分…（变量和年份）。如果你对此感兴趣，我建议你看看哈德利关于它的文章：是的，你的pmax看起来很像

dtu-original[dtu-newdata，on=（id），pmax（x.varB，I.varB）]

，唯一的问题是坚持将“varB”作为字符传递。。。可能可以通过将数据放在长格式而不是宽格式中来解决。请使用

set.seed

使此文件重新生成

set.seed（0）

，谢谢。将

varB

视为几百个变量名的混合体，是

dt\u original

中变量的任意子集。这个例子可能会让它看起来有点太常规了。名称是否异构并不重要。它们显然都是数字的（通过使用pmax来判断），这意味着它们在长格式数据集中的一列中可以很好地协同工作。这就是熔化（dt_original，id=“id”）。从这里开始，您可能还希望将var名称拆分为组件部分…（变量和年份）。如果你对此感兴趣，我建议你看看哈德利的文章：是的，看起来不错。不知道你是否希望它出现在所有栏目中；可能需要排除

id

。我想您可能在编辑之前就已经有了它-我正在尝试两种方法，并且使用

[-1]

它看起来像

pmax

正在尝试将

dt_original

的所有行与

dt_newdata

进行比较。好的。我返回了原始代码，然后添加了忽略id列的工作代码。有趣的旁注-如果您不跳过ID列，这将消除它是一个键的事实，因此您必须在结果上再次

setkey

（如果您想要键控数据）。

[-1]

版本保留了密钥。是的，看起来不错。不知道你是否希望它出现在所有栏目中；可能需要排除

id

。我想您可能在