合并多个 data.table

Question

我知道可以使用 merge 函数或 [.data.table函数来合并（连接）两个 data.table，但是如果我有10个 data.table 并想要使用 do.call 将它们全部合并在一起，是否有一个函数可以做到这一点？目前，我只能使用 do.call(cbind, ...) 适用于非常特殊的情况。

- Alex

Answer 1

不确定，但可能是（未经测试）：

Reduce(merge,list(DT1,DT2,DT3,...))

- Matt Dowle

---

降维的解决方案很好，但我不知道如何指定all=TRUE。 有什么想法吗？ - sdaza

好问题。目前我能想到的是创建一个类似于 mymerge = function(x,y) merge.data.table(x,y,all=TRUE) 的包装器，将该包装器传递给 Reduce 函数，即 Reduce(mymerge,list(DT1,DT2,DT3,...))。 - Matt Dowle

在data.table中，[the all = T]对我很有用，可以同时合并多个数据框。 - Henk

如果您的data.table没有设置键值，那么这个包装器应该是这样的：function(x, y) x[y, on = "merge_column_name"]。 - MichaelChirico

Answer 2

为了完善@Henk在评论中提出的解决方案，以下是如何使用该方案以简洁的方式选择all = TRUE选项：

MergedDT = Reduce(function(...) merge(..., all = TRUE), List_of_DTs)

- Michael Ohlrogge

---

这种方法效果不错，但我也喜欢添加:R Reduce(function(...) merge(..., all=TRUE, sort=FALSE), .)因为允许默认值为TRUE的排序将重新调整到共享键列。如果您创建了一个具有适当键的数据表列表，并且希望在任何共享键上合并它们，则可能会破坏未来的合并。 - jFrostad

Answer 3

最新版本的data.table（1.10.5）具有易于使用的表格连接语法，还可以进行链式操作。

 set(DT1, key)
 set(DT2, key) 
  ...
 set(DT10, key)

 DT_cmb <- DT1[DT2,][DT3,]...[DT10,]

- HappyCoding

---

这个解决方案看起来不错，但如果你有多个data.table的话，它可能会很繁琐。也许，可以使用lapply和ls(pattern = '^DT')来更轻松（且更通用）地完成它。 - lcgodoy

@lcgodoy，是的，在这种情况下，我喜欢使用lapply()和setkeyv()，特别是因为我已经想要将data.table放在一个列表中，以使用我喜欢的合并语法。 - Michael Ohlrogge

这个语法已经存在很久了，链式编程也同样存在很久了，问题在于它不具备可扩展性，因为你可能会有一个数量不同的数据表列表。 - jangorecki

Answer 4

根据Michael Ohlrogge的回答，这里我创建了一个函数来完成此任务。你可以从merge.data.table()继承更多参数。

mergeDTs <- function(dt_list, by = NULL, sort = FALSE) {
  Reduce(
    function(...) {
      merge(..., by = by, all = TRUE, sort = sort)
    }, dt_list)
}

- Shixiang Wang