有人可以解释 multi 在 data.table 中执行更新时如何工作（使用 .EACH 和 mult）

Question

我再次努力理解 mult 参数在执行连接时更新时是如何工作的。我想做的是实现 lj.

中定义的左连接

出于性能原因，我想更新左侧 table

“重要”部分是当左 table 和右 table 有一个共同的列时，（不考虑连接列），我想使用右边的第一个值 table 覆盖左边的值 table。我以为 mult 会帮助我处理这个多重匹配问题，但我做不对

library(data.table)
X <- data.table(x = c("a", "a", "b", "c", "d"), y = c(0, 1, 1, 2, 2), t = 0:4)
X                 
#        x     y     t
#   <char> <num> <int>
#1:      a     0     0
#2:      a     1     1
#3:      b     1     2
#4:      c     2     3
#5:      d     2     4

Y <- data.table(xx = c("f", "b", "c", "c", "e", "a"), y = c(2, NA, 3, 4, 5, 6), u = 2:7)
Y                 
#       xx     y     u
#   <char> <num> <int>
#1:      f     2     2
#2:      b    NA     3
#3:      c     3     4
#4:      c     4     5
#5:      e     5     6
#6:      a     6     7

# Expected result
#        x     y     t                                                 
#   <char> <num> <int>                                                 
#1:      a     6     0    <= single match on xx == "a" so Y[xx == "a", y] is used                                                
#2:      a     6     1    <= single match on xx == "a" so Y[xx == "a", y] is used                                             
#3:      b    NA     2    <= single match on xx == "b" so Y[xx == "b", y] is used                                             
#4:      c     3     3    <= mult match on xx == "c" so Y[xx == "c", y[1L]] is used                                             
#5:      d     2     4    <= no xx == "d" in Y so nothing changes


copy(X)[Y, y := i.y, by = .EACHI, on = c(x = "xx"), mult = "first"][]
#        x     y     t                                                   
#   <char> <num> <int>                                                   
#1:      a     6     0                                                   
#2:      a     1     1   <= a should always have the same value ie 6                                                
#3:      b    NA     2                                                   
#4:      c     4     3   <= y == 4 is not the first value of y in the Y table                                                
#5:      d     2     4                                                   
    
# Using mult = "all" is the closest I get from the right result
copy(X)[Y, y := i.y, by = .EACHI, on = c(x = "xx"), mult = "all"][]
#        x     y     t                                                 
#   <char> <num> <int>                                                 
#1:      a     6     0                                                 
#2:      a     6     1                                                 
#3:      b    NA     2                                                 
#4:      c     4     3    <= y == 4 is not the first value of y in the Y table                                             
#5:      d     2     4

有人可以向我解释一下上面的错误吗？

我想我可以使用 Y[X, ...] 来达到我想要的效果，问题是 X 非常大，使用 Y[X, ...]

我得到的性能要差得多

Answer 1

mult 始终等于“last”，以防更新加入 :=

我记得在文档的某处描述过它。

Answer 2

I'd like to use the first value in the right table to override the value of the left table

Select 第一个值并单独更新：

X[unique(Y, by="xx", fromLast=FALSE), on=.(x=xx), y := i.y]

   x  y t
1: a  6 0
2: a  6 1
3: b NA 2
4: c  3 3
5: d  2 4

fromLast= 可以 select 删除欺骗时的第一行或最后一行。

如何处理多个匹配项：

在 x[i, mult=] 中，如果 i 的一行有多个匹配项，mult 确定 x 的哪些匹配行被 selected .这解释了 OP 中显示的结果。

在x[i, v := i.v]中，如果i的多行与x中的同一行匹配，则所有相关i行按顺序写入 x 行，因此最后的 i 行获得最终写入。打开详细输出以查看更新中进行了多少次编辑——在这种情况下它将超过 x 行数（因为行被重复编辑）：

options(datatable.verbose=TRUE)
data.table(a=1,b=2)[.(a=1, b=3:4), on=.(a), b := i.b][]
# Assigning to 2 row subset of 1 rows
   a b
1: 1 4

有人可以解释 multi 在 data.table 中执行更新时如何工作（使用 .EACH 和 mult）

Can someone explain how mult works in data.table when it performs update in joins (using .EACHI and mult)

join

r

left-join

data.table