data.table 按多列合并

Question

我正在尝试成对匹配 4 个变量并添加一个包含查找值的列。在基础上，我会做 merge(df1,df2, by.x=c("lsr","ppr"),by.y=c("li","pro"))，其中 df1 有 9 个列，df2（2 个是 lsr 和 pro）df2 只有 3 个列，li，pro，还有我感兴趣的"value"，alpha。

这很好用，但由于我开始成为 data.table 的超级粉丝，我想以 data.table 的方式进行操作 - 因为我有数百万行- 所以基础合并很慢（我看到 by.x 和 by.y 功能正在等待 data.table，但也许有解决方法）。请参阅下面的一些示例数据：

df2:
         alpha         li        pro
      1: 0.5000000 0.01666667 0.01666667
      2: 0.3295455 0.03333333 0.01666667
      3: 0.2435897 0.05000000 0.01666667
      4: 0.1917808 0.06666667 0.01666667
      5: 0.1571429 0.08333333 0.01666667
df1:     
          demand rtime    mcv         mck        ppr       mlv         mlk        lsr
      1:    0.3     1 357.57700 0.099326944 0.01666667 558.27267 0.155075741 0.01666667
      2:    0.3    10 548.75433 0.152431759 0.01666667 614.30667 0.170640741 0.03333333
      3:    0.3    11 314.55767 0.087377130 0.01666667 636.48100 0.176800278 0.03333333
      4:    0.3     2 312.15033 0.086708426 0.01666667 677.48100 0.188189167 0.06666667
      5:    0.3     3 454.47867 0.126244074 0.01666667 608.92067 0.169144630 0.01666667
     ---                                                                               
6899196:    0.6     5 537.92673 0.149424093 1.00000000 537.92673 0.149424093 1.00000000
6899197:    0.6     6 277.34732 0.077040923 1.00000000 277.34732 0.077040923 1.00000000
6899198:    0.6     7  73.31484 0.020365235 1.00000000  73.31484 0.020365235 1.00000000
6899199:    0.6     8  32.04197 0.008900546 1.00000000  32.04197 0.008900546 1.00000000
6899200:    0.6     9  14.59008 0.004052799 1.00000000  14.59008 0.004052799 1.00000000

最后，也许有趣的是，在 df2 中我有独特的行，而在 df1 中我有很多关于 lsr 和 [=29= 的重复行].我还尝试设置两个键并以 data.table 方式连接它们，并使用 alpha 添加一个新列。但没有成功。

Answer 1

您可以在评论中使用 David Arenburg 提供的声明：

setkey(df1, lsr, ppr)
setkey(df2, li, pro)
df1[df2, alpha := i.alpha]

从 current devel version, 1.9.5 开始，我们可以直接执行连接，而无需使用 on 参数设置键：

df1[df2, alpha := i.alpha, on = c(lsr="li", ppr="pro")]

如果你不想安装devel版本，那么你可以等到这个在CRAN上推送为v1.9.6。

data.table 按多列合并

data.table merge by multiple columns

merge

r

data.table