在 R 中使用 data.table 进行 Vlookup

Question

首先，让我们从数据表 1 (DF1) 开始：

          date id sales cost city  name
 1: 06/19/2016  1   149  101  MTL Bank1
 2: 06/20/2016  1   150  102  MTL Bank1
 3: 06/21/2016  1   151  104  MTL Bank1
 4: 06/22/2016  1   152  107  MTL Bank1
 5: 06/23/2016  1   155   99  MTL Bank1
 6: 06/19/2016  2    84   55   NY Bank2
 7: 06/20/2016  2    83   55   NY Bank2
 8: 06/21/2016  2    80   56   NY Bank2
 9: 06/22/2016  2    81   57   NY Bank2
10: 06/23/2016  2    97   58   NY Bank2

library(data.table)
DF1 <- data.table(c("06/19/2016", "06/20/2016", "06/21/2016", "06/22/2016", 
                    "06/23/2016", "06/19/2016", "06/20/2016", "06/21/2016",
                    "06/22/2016", "06/23/2016"),
                  c(1, 1, 1, 1, 1, 2, 2, 2, 2, 2),
                  c(149, 150, 151, 152, 155, 84, 83, 80, 81, 97),
                  c(101, 102, 104, 107, 99, 55, 55, 56, 57, 58),
                  c("MTL", "MTL", "MTL", "MTL", "MTL", "NY", "NY", 
                    "NY", "NY", "NY"))
colnames(DF1) <- c("date", "id", "sales", "cost", "city")

我想使用查找 table:

添加上面显示的列 name

   id  name start_date   end_date status
1:  1 Bank1 06/19/2016 06/25/2016      0
2:  2 Bank2 06/27/2016 06/27/2017      0
3:  3 Bank3 06/22/2016 06/24/2017      1
4:  4 Bank3 06/23/2016 12/23/2016      1

lookup <- data.table(c(1, 2, 3, 4),
                     c("Bank1", "Bank2", "Bank3", "Bank3"),
                     c("06/19/2016", "06/27/2016", "06/22/2016", "06/23/2016"),
                     c("06/25/2016", "06/27/2017", "06/24/2017", "12/23/2016"),
                     c("0", "0", "1", "1"))
colnames(lookup) <- c("id", "name", "start_date", "end_date", "status")

在那种情况下，我会使用 id 来查找名称。当我尝试 merge 时，我总是在 DF1 中有包含 NA 的新行。

Answer 1

DF1<-merge(DF1, lookup[,.(id, name)], by='id', all.x=TRUE, all.y=FALSE)

我认为合并命令就是您要查找的内容，但您缺少 all.y = FALSE 位。我们在这里所做的是将 DF1 与查找数据 table 合并，我们告诉 R 包含 x 中的所有行，但仅包含 y 中与 x 中的行匹配的行，其中 x 是 DF1 和y 是查找。 lookup[.(id, name)] 意味着我们只需要列 id（与 DF1 匹配）和列 'name'。如果 DF1 中的某些行在查找中没有匹配的行，它们将显示为 NA，因为 all.x=TRUE。

Answer 2

设置略有不同：我假设 id 对于两个数据集都是唯一的，并且查找数据包含主数据集中存在的所有 id。

我将查找子集化为仅 ID 和名称。为了确保查找中没有重复（多个日期），我使用 unique.

DF1[unique(lookup[, .(id, name)]), on="id"][!is.na(sales)]

    id       date sales cost city  name
 1:  1 06/19/2016   149  101  MTL Bank1
 2:  1 06/20/2016   150  102  MTL Bank1
 3:  1 06/21/2016   151  104  MTL Bank1
 4:  1 06/22/2016   152  107  MTL Bank1
 5:  1 06/23/2016   155   99  MTL Bank1
 6:  2 06/19/2016    84   55   NY Bank2
 7:  2 06/20/2016    83   55   NY Bank2
 8:  2 06/21/2016    80   56   NY Bank2
 9:  2 06/22/2016    81   57   NY Bank2
10:  2 06/23/2016    97   58   NY Bank2

这称为左连接。我在最后使用 [!is.na()] 删除在主数据集中没有观测值的第 3 组和第 4 组。

在 R 中使用 data.table 进行 Vlookup

Vlookup with data.table in R

lookup

r

vlookup

data.table