R中的自连接

下面是一个tibble示例：

test <- tibble(a = c("dd1","dd2","dd3","dd4","dd5"), 
               name = c("a", "b", "c", "d", "e"), 
               b = c("dd3","dd4","dd1","dd5","dd2"))

我的表太大了（2.7M行4列），出现以下错误：

错误：std:：错误\u alloc

请告知如何正确操作/最佳实践

我的最终目标是获得以下结构：

   a     name  b     b_name
   dd1   a     dd3   c
   dd2   b     dd4   d
   dd3   c     dd1   a
   dd4   d     dd5   e
   dd5   e     dd2   b 

---

对于这样的行数，我认为

data.table

可能会给您带来更快的速度。下面是data.table解决方案：

library(data.table)
setDT(test)

方法1：自连接： 方法2：使用数据。表：：合并：

---

下面是另一个使用

base

中的

match

函数和

dplyr

包中的

mutate

的简单解决方案：

library(dplyr)

new_test <- test %>% 
  mutate(b_name = name[match(test$b,test$a)])

库（dplyr）
新测试%
变异（b_name=name[匹配（测试$b，测试$a）]）

---

但是，要小心使用很长的表，因为

match

可能不是最佳的实现。

另一个选项是

fmatch

from

fastmatch

library(fastmatch)
test$b_name <- with(test, name[fmatch(b, a)])
test$b_name
#[1] "c" "d" "a" "e" "b"

库（快速匹配）
测试$b_name我没有收到此错误。但是我收到了一个关于
a
列的额外列。@yarnabrina对不起，我刚刚编辑了这个问题，这个问题对你的长表有效吗？：
new\u test%mutate（b\u name=name[match（test$b，test$a）]）
@VitaliAvagyan工作得很好，检查是否符合要求。请添加作为答案并解释。不起作用…>vecseq（f_uuu，len_uuu，if（allow.cartesian | | notjoin | | | |！anyDuplicated（f_uuu，）：连接结果超过2^31行（内部vecseq达到物理限制）。很可能是指定错误的联接。请检查i中是否存在重复的键值，其中每个键值都会一次又一次地联接到x中的同一组。如果没有问题，请尝试by=.EACHI为每个组运行j以避免较大的分配。否则，请在常见问题解答、Wiki、堆栈溢出和data.table问题跟踪器中搜索此错误消息以获取建议。“检查i中是否存在重复的键值，每个键值都会反复加入x中的同一组。"这并不是说它不起作用，而是因为你有很多重复的值，这导致了一个巨大的data.frame。如果你真的需要那堆重复的值，你可以尝试
by=.EACHI
，但当然，由于物理大小的限制，这可能不起作用。删除重复的值可能/合理吗？Vitaly showed是一个非常简单的匹配解决方案，它是有效的。它应该是一个简单的连接，但由于某些原因它不起作用。你怎么看？a和b之间的交集是3499，共有3500个可能的唯一id。请再次查看df，我有一个id和b id，它们来自同一组可能的id。其中一个被命名，我需要为其他id添加名称这是一个等级关系。你能告诉我怎么解决吗？@pavodive
merge(test, test, by.x = "a", by.y = "b")

library(dplyr)

new_test <- test %>% 
  mutate(b_name = name[match(test$b,test$a)])

library(fastmatch)
test$b_name <- with(test, name[fmatch(b, a)])
test$b_name
#[1] "c" "d" "a" "e" "b"