数据子集的条件data.table匹配.table

Question

这篇文章与此前的帖子有关：match rows of two data.tables to fill subset of a data.table

不知道如何将它们整合在一起。我有一种情况，除了DT的一列DT1之外，还有一些条件应该适用于合并，但这不起作用。

> DT1 <- data.table(colA = c(1,1, 2,2,2,3,3), colB = c('A', NA, 'AA', 'B', NA, 'A', 'C'), timeA = c(2,4,3,4,6,1,4))
> DT1
   colA colB timeA
1:    1    A     2
2:    1 <NA>     4
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6
6:    3    A     1
7:    3    C     4
> DT2 <- data.table(colC = c(1,1,1,2,2,3), timeB1 = c(1,3,6, 2,4, 1), timeB2 = c(2,5,7,3,5,4), colD = c('Z', 'YY', 'AB', 'JJ', 'F', 'RR'))
> DT2
   colC timeB1 timeB2 colD
1:    1      1      2    Z
2:    1      3      5   YY
3:    1      6      7   AB
4:    2      2      3   JJ
5:    2      4      5    F
6:    3      1      4   RR

使用与上述相同的指导原则，我想将DT2的ColD与DT1的colB合并，仅用于DT1中colB的NA值，并使用colD的值，DT1中的timeA在DT2中的timeB1和timeB2之间。我尝试了以下但合并不会发生：

 > output <- DT1[DT2, on = .(colA = colC), colB := ifelse(is.na(x.colB) & i.timeB1 <= x.timeA & x.timeA <= i.timeB2, i.colD, x.colB)]
> output
> output
   colA colB timeA
1:    1    A     2
2:    1 <NA>     4
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6
6:    3    A     1
7:    3    C     4

输出没有任何变化。这些是我想要的输出：

> desired_output
   colA colB timeA
1:    1    A     2
2:    1   YY     4   --> should find a match
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6   --> shouldn't find a match
6:    3    A     1
7:    3    C     4

为什么这不起作用？我想只使用data.table操作而不使用其他包。

Answer 1

colB中DT1的现有更新工作如下：

DT1[is.na(colB), colB := DT2[DT1[is.na(colB)], 
                    on = .(colC = colA, timeB1 <= timeA, timeB2 >= timeA), colD]]
print(DT1)
   colA colB timeA
1:    1    A     2
2:    1   YY     4
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6
6:    3    A     1
7:    3    C     4

这将colB为NA的值和在on= ...中定义的条件连接后的值进行索引，用colD中找到的匹配值替换缺失值。

Answer 2

可能不是最短的答案，但它完成了工作..我不是data.table-expert，所以我欢迎改进/建议。

DT1[ is.na(colB), colB := DT1[ is.na(colB), ][ DT2, colB := i.colD, on = c( "colA == colC", "timeA >= timeB1", "timeA <= timeB2")]$colB]

是做什么的： 首先，所有行的子集DT1，其中is.na（colB）= TRUE 然后，使用来自DT2上相同行子集的非equi连接结果的colB-vector更新这些行中colB的值

好处是DT1是通过引用更改的，因此它对大数据的速度非常快且内存效率很高（我认为）。

   colA colB timeA
1:    1    A     2
2:    1   YY     4
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6
6:    3    A     1
7:    3    C     4