如何使用{data.table}在R中将数据连接到仅第一个匹配行？

Question

我有一个查找表，其中“第一次”在列d中。例如，患者因特定疾病而首次入院的时间。我想通过data.table将其与多个其他条件的主数据框连接起来。

我的问题是，不幸的是，主数据表可能具有相同的连接条件，这会导致加入后每个患者有多个“第一次”。现实世界的数据很混乱！

是否可以仅在第一次匹配记录上进行{data.table}连接？

这类似于this question，但多个匹配是在主数据表上进行的。我认为mult仅适用于要加入的表格中有几个条目的情况。

repex:

library(data.table)

set.seed(1724)

d1 <- data.table(a = c(1, 1, 1),
                 b = c(1, 1, 2),
                 c = sample(1:10, 3))

d2 <- data.table(a = 1, b = 1, d = TRUE)

d2[d1, on = c("a", "b")]

   a b    d c
1: 1 1 TRUE 4
2: 1 1 TRUE 8
3: 1 2   NA 2

期望的输出

   a b    d c
1: 1 1 TRUE 4
2: 1 1   NA 8
3: 1 2   NA 2

- Paul

---

简单的解决方案是对每一行进行索引，并在此基础上进行连接（第一个表是主表的筛选版本），但我很想知道是否有更优雅的解决方案。 - Paul

请将您的评论发布为答案，这仍然是一个不错的选择。 - zx8754

您可以使用 duplicated 命令找到需要设置为 NA 的位置。 - bdecaf

看起来你想要一个“更新连接”：d1[d2, on = .(a, b), d := d, mult = "first"] - Henrik

@Henrik - 很好 - d1[d2, on = .(a, b), (names(d2)) := ..d2, mult = "first"] 或者类似的东西，如果有很多变量，可能要做所有变量？ - thelatemail

@Henrik - 我认为在这种情况下确实会发生，但我正在尝试（也许不成功）考虑可能存在变量/数据集名称冲突的情况。 - thelatemail

Answer 1

library(data.table)
set.seed(1724)
d1 = data.table(a = c(1, 1, 1), b = c(1, 1, 2), c = sample(1:10, 3))
d2 = data.table(a = 1, b = 1, d = TRUE)

d1[, i1:=seq_len(.N), by=c("a","b")]
d2[, i2:=seq_len(.N), by=c("a","b")]

d2[d1, on = c("a","b","i2==i1")][, "i2":=NULL][]
#       a     b      d     c
#   <num> <num> <lgcl> <int>
#1:     1     1   TRUE     4
#2:     1     1     NA     8
#3:     1     2     NA     2

- jangorecki

---

我第一次看到 on 的语法是这样的 ("i2==i1")。 - s_baldur

Answer 2

一种方法是在合并后将数值更改为NA。

library(data.table)

d3 <- d2[d1, on = c("a", "b")]
d3[, d:= replace(d, seq_len(.N) != 1, NA), .(a, b)]
d3

#   a b    d c
#1: 1 1 TRUE 4
#2: 1 1   NA 8
#3: 1 2   NA 2

- Ronak Shah

Answer 3

简单的解决方案是对每一行进行索引，并在此基础上进行连接（d2 是 d1 的筛选版本）：

library(data.table)

set.seed(1724)

d1 <- data.table(a = c(1, 1, 1),
                 b = c(1, 1, 2),
                 c = sample(1:10, 3))

d1[, rid := seq(to = .N)]
d2 <- d1[, .SD[1], by = c("a"), .SDcols = c("b", "rid")][, d := TRUE] # UPDATE

d2[d1, on = c("a", "b", "rid")]

- Paul