基于合并更新data.table的子集

Question

我有两个数据表，DT1 和 DT2：

set.seed(1)
DT1<-data.table(id1=rep(1:3,2),id2=sample(letters,6), v1=rnorm(6), key="id2")
DT1
##    id1 id2         v1
## 1:   2   e  0.7383247
## 2:   1   g  1.5952808
## 3:   2   j  0.3295078
## 4:   3   n -0.8204684
## 5:   3   s  0.5757814
## 6:   1   u  0.4874291

DT2<-data.table(id2=c("n","u"), v1=0, key="id2")
DT2
##    id2 v1
## 1:   n  0
## 2:   u  0

我希望基于DT2的连接更新DT1，但仅针对DT1的子集。例如，对于DT1[id1==3]，我希望第4行中v1的值会被更新，更新结果如下：

DT1
##    id1 id2         v1
## 1:   2   e  0.7383247
## 2:   1   g  1.5952808
## 3:   2   j  0.3295078
## 4:   3   n          0
## 5:   3   s  0.5757814
## 6:   1   u  0.4874291

我知道如何更新表格（使用:=赋值运算符），如何连接表格（DT1[DT2]），以及如何对表格进行子集筛选（DT1[id1==3]）。然而，我不确定如何同时完成这三个操作。

编辑： 请注意，原始示例仅尝试更新一列，但我的实际数据需要更新许多列。请考虑在DT1b和DT2b中的其他情况：

set.seed(2)
DT1b<-DT1[,v2:=rnorm(6)] # Copy DT1 and add a new column
setkey(DT1b,id2)
DT1b
##    id1 id2         v1          v2
## 1:   2   e  0.7383247 -0.89691455
## 2:   1   g  1.5952808  0.18484918
## 3:   2   j  0.3295078  1.58784533
## 4:   3   n -0.8204684 -1.13037567
## 5:   3   s  0.5757814 -0.08025176
## 6:   1   u  0.4874291  0.13242028

DT2b<-rbindlist(list(DT2,data.table(id2="e",v1=0))) # Copy DT2 and add a new row
DT2b[,v2:=-1] # Add a new column to DT2b
setkey(DT2b,id2)
DT2b
##    id2 v1 v2
## 1:   e  0 -1
## 2:   n  0 -1
## 3:   u  0 -1

在 @nmel 和 @BlueMagister 提供的有用答案的基础上，我为更新的情况想到了这个解决方案：

DT1b[DT2b[DT1b[id1 %in% c(1,2)],nomatch=0],c("v1","v2"):=list(i.v1,i.v2)]
DT1b
##    id1 id2         v1          v2
## 1:   2   e  0.0000000 -1.00000000
## 2:   1   g  1.5952808  0.18484918
## 3:   2   j  0.3295078  1.58784533
## 4:   3   n -0.8204684 -1.13037567
## 5:   3   s  0.5757814 -0.08025176
## 6:   1   u  0.0000000 -1.00000000

- dnlbrky

Answer 1

我能想到的最简单方法是同时使用 id1 作为键。

setkey(DT1, id2,id1)
DT2[, id1 := 3]
setkey(DT2, id2, id1)

# use i.v1 to reference v1 from the i component
DT1[DT2, v1 := i.v1 ]


DT1
   id1 id2        v1
1:   2   e 0.7383247
2:   1   g 1.5952808
3:   2   j 0.3295078
4:   3   n 0.0000000
5:   3   s 0.5757814
6:   1   u 0.4874291

- mnel

---

感谢您的回答和其他评论，@mnel。这种方法适用于原始示例，并且可以轻松扩展到需要更新多个列而不仅仅是一个列的情况。但是，如果子集更复杂（例如id1==3 | id1 ==2；请参见更新的问题），似乎将id1键添加到DT2会变得更加复杂。 - dnlbrky

Answer 2

这类似于mnel的解决方案，但使用ifelse代替第二个键。

DT1[DT2, v1  := ifelse(id1==3, i.v1, v1),nomatch=0]

- Blue Magister

---

感谢您的回答，@BlueMagister。这对于这个例子肯定有效。如果需要更新许多列而不仅仅是一列，您将如何修改您的答案？将其扩展到两列，我认为您解决方案的中间部分将类似于c("v1","v2"):=list(ifelse(id1==3,i.v1,v1),ifelse(id1==3,i.v2,v2))。 - dnlbrky

@dnlbrky，多个ifelse语句的问题在于您必须多次评估id1==3和ifelse。如果您将其作为键入的一部分进行子集化（二进制搜索），它将更加高效。 - mnel

是的，@mnel，我应该明确说明我尝试扩展@BlueMagister的解决方案并不高效，并且我正在寻找比我的尝试更好的东西。我喜欢@BlueMagister的方法在添加更多子集条件方面很灵活（例如，id1==3 | id==2）。我已经更新了我的问题，包括多列和多个子集条件的情况。 - dnlbrky

我发现在左侧数据表的子集上进行左连接非常有帮助。Data.table提供了ifelse()的更快版本，即fifelse()。 - Matthew Son

Answer 3

最近我一直在思考这个问题，以下是我的解决方案。

DT1[DT2, names(DT2):= DT2, on= 'id']

或者，如果您不想在DT2中有私有变量时向DT1添加新变量：

common.var <- intersect(names(DT1), names(DT2))
DT1[DT2, c(common.var) := DT2[, common.var, with= FALSE] ,on= 'id']

- Billy Shaw