在R数据表中匹配和更新列

Question

我有2个数据表。以下是dput和数据表：

dt1

       email          custtype
1:   [e-mail]     subs
2:   [e-mail]     subs
3: [e-mail]     subs

dt1 = setDT(structure(list(email = c("[e-mail]", "[e-mail]", "[e-mail]"
), custtype = c("subs", "subs", "subs")), .Names = c("email", 
"custtype"), class = c("data.table", "data.frame"), row.names = c(NA, 
-3L)))

dt2

      emails         range
1:    [e-mail]  orange
2: [e-mail]  orange
3:    [e-mail]  orange
4:   [e-mail]  orange

dt2 = setDT(structure(list(emails = structure(1:4, .Label = c("[e-mail]", 
"[e-mail]", "[e-mail]", "[e-mail]"), class = "factor"), 
    range = structure(c(1L, 1L, 1L, 1L), .Label = "orange", class = "factor")), .Names = c("emails", 
"range"), class = c("data.table", "data.frame"), row.names = c(NA, 
-4L)))

我正在尝试将dt1中的电子邮件与dt2中的电子邮件进行匹配，然后尝试更新dt1中的custtype列。到目前为止我已经尝试了：

dt1[match(email,dt2$emails), custtype:="some value"]

这是什么意思是，它会更改找到匹配的索引处的值，而不是针对找到匹配的电子邮件地址进行更改。

生成的数据表应如下所示。找到匹配项的电子邮件，相应的custtype应使用提供的值进行更新：

  email             custtype
1:   [e-mail]     subs
2:   [e-mail]     subs
3: [e-mail]     some value

- syebill

---

这是包的一个非常常见的用法，也是我使用它的主要原因之一。虽然vignettes还没有涵盖这个章节，但是阅读它们对于学习该包来说是必不可少的：https://github.com/Rdatatable/data.table/wiki/Getting-started。同时，在此期间，这种用法在该网站上的用户编写的“Docs”中得到了涵盖：http://stackoverflow.com/documentation/data.table/4976/joins-and-merges/17560/update-values-in-a-join#t=201610102031286494036。 - Frank

我仍然是一个data.table的新手，但是dt2[dt1, on = c("emails"="email")][,:=(custtype = dplyr::coalesce(as.character(range), custtype), range=NULL)][]浮现在我的脑海中。 - lukeA

@lukeA 顺便说一下，如果:=只在第一个[]内完成，它将仅修改dt2。 - Frank

@Frank 你的意思是这个代码和 dt2[dt1, on = c("emails"="email")][,.(emails, custtype = dplyr::coalesce(as.character(range), custtype))] 是一样的吗？ - lukeA

@lukeA 是的，我也这么认为。 - Frank

Answer 1

你尝试了：

dt1[match(email,dt2$emails), custtype:="some value"]

< p > match() 的作用是找到 dt2 的行号，然后将其作为索引传递给 dt1。这没有任何意义。

想法是直接使用 dt2 索引 dt1。

> dt1
             email custtype
1:   [e-mail]     subs
2:   [e-mail]     subs
3: [e-mail]     subs

> dt1[dt2, on=c(email="emails"), custtype:="some value"]

> dt1
             email   custtype
1:   [e-mail]       subs
2:   [e-mail]       subs
3: [e-mail] some value

看起来这就是您想要的结果。

FAQ 2.14 解释了 A[B] 语法背后的思想。

- Matt Dowle

Answer 2

另一种使用 data.table 的方法是通过连接这两个表：

dt2[dt1, on = c(emails = "email"), mult = "first"][!is.na(range), custtype := "some value"][, range := NULL][]

解释

加入

dt2[dt1, on = c(emails = "email"), mult = "first"]

是一个右连接，返回 dt1 的所有行：

            emails  range custtype
1:   [e-mail]     NA     subs
2:   [e-mail]     NA     subs
3: [e-mail] orange     subs

mult = "first" 可以防止在 dt2 中存在多个条目具有相同的电子邮件地址但不同的 range 值时产生不必要的重复。

更改 custtype

只有匹配的电子邮件地址才会在 range 列中具有非 NA 条目。

[!is.na(range), custtype := "some value"]

使用此方法仅更改已找到匹配项的行中的custtype。

删除range列

range列不再需要。可以通过以下方式将其移除：

[, range := NULL]

打印

由于最后一次操作是通过引用进行的更新，因此最终结果

[]

确保结果被打印。

- Uwe

---

如果同一电子邮件地址有多个范围的值怎么办？这意味着同一电子邮件地址可能有不止一行数据，但范围不同。 - syebill

不错的观点。默认情况下，data.table 的连接函数会暗示参数 mult = "all", 这可能导致不必要的重复条目。我会相应地更新我的回答。 - Uwe

Answer 3

发现了一个使用"which"的解决方案，但仍在寻找更优雅的解决方案。

dt1[which(match(email, dt2$emails) > 0), custtype := "some value"]

- syebill