在R的data.table中，如何连接具有相同（非键）列名的表？

Question

当在数据表中连接具有相同名称的非关键列时，您该如何处理？我正在寻找 SQL 中 table.field 表示法的解决方案。

例如，假设我有一个名为 DT 的表，每个时间段都会重新填充列 v 的新数据。我还有一个名为 DT_HIST 的表，存储来自以前时间段 (t) 的条目。我想找到每个 x 的当前和上一个时间段之间的差异。

在本例中：DT 是时间段 3，DT_HIST 有时间段 1 和 2。

 DT <- data.table(x=c(1,2,3,4),v=c(20,20,35,30))
 setkey(DT,x)
 DT_HIST <- data.table(x=rep(seq(1,4,1),2),v=c(40,40,40,40,30,25,45,40),t=c(rep(1,4),rep(2,4)))
 setkey(DT_HIST,x)

> DT
   x  v
1: 1 20
2: 2 20
3: 3 35
4: 4 30

> DT_HIST
   x  v t
1: 1 40 1
2: 1 30 2
3: 2 40 1
4: 2 25 2
5: 3 40 1
6: 3 45 2
7: 4 40 1
8: 4 40 2

我希望能够在 x 上将 DT_HIST[t==1,] 与 DT 进行连接，并计算 v 的差异。仅仅连接表会得到 v 和 v.1 两列。

> DT[DT_HIST[t==2],]
   x  v v.1 t
1: 1 20  30 2
2: 2 20  25 2
3: 3 35  45 2
4: 4 30  40 2

然而，我无法找到一种在进行连接时引用不同的v列的方法。

> DT[DT_HIST[t==2],list(delta=v-v.1)]
Error in `[.data.table`(DT, DT_HIST[t == 2], list(delta = v - v.1)) : 
object 'v.1' not found

> DT[DT_HIST[t==2],list(delta=v-v)]
   x delta
1: 1     0
2: 2     0
3: 3     0
4: 4     0

如果这是重复的，我很抱歉。我搜索了但没有找到类似的问题。

另外，我意识到我可以在连接后简单地重命名列，然后运行所需的表达式，但我想知道我是否完全错误地做了这件事。

- Z. Kimble

Answer 1

您可以使用 i.colname 来访问 data.table 中的列。我看到您正在使用旧版本的 data.table 。此后已经进行了一些更改：重复加入的列名具有前缀 i. 而不是数字后缀（这使其与加入的列名的 i. 访问更加一致），并且默认情况下不再按无by-by执行。

在最新版本（1.9.3）中，您将得到以下结果：

DT[DT_HIST[t==2],list(delta = v - i.v)]
#   delta
#1:   -10
#2:    -5
#3:   -10
#4:   -10

- eddi

---

谢谢！也许这是一个新手问题，但为什么有更新的稳定版本不在CRAN上？ - Z. Kimble

@Z.Kimble 这只是 data.table 的工作流程 - 奇数版本是开发版本，偶数版本更稳定并且会发布到 CRAN。 - eddi