为啥 data.table::B[A] 和 plyr::join(A,B) 返回不同的结果？

Posted 2023-03-06

【中文标题】为啥 data.table::B[A] 和 plyr::join(A,B) 返回不同的结果？

【英文标题】：Why does data.table::B[A] and plyr::join(A,B) return different results?为什么 data.table::B[A] 和 plyr::join(A,B) 返回不同的结果？

【发布时间】：2019-11-04 10:25:42

【问题描述】：

我在 R 中有 2 个数据表

A <- data.table(a = 1:4, b = 12:15)
B <- data.table(a = 2:3, b = 13:14)

使用时

C<-plyr::join(A,B)

返回

   a  b
1: 1 12
2: 2 13
3: 3 14
4: 4 15

当我使用时

setkey(A, "a")
setkey(B, "a")
B[A]

返回

   a  b i.b
1: 1 NA  12
2: 2 13  13
3: 3 14  14
4: 4 NA  15

为什么两个函数的结果不同？ plyr 正在对所有匹配的变量应用左连接。 Data.table 也在做同样的事情吗？ 我们如何使用 'data.table' 实现 'plyr' 给出的结果？

【问题讨论】：

因为当你没有在joins中定义by参数时，它会连接所有的公共列。在您的情况下，a 和 b。一旦你设置了一个键，你只在键的列上合并...

【参考方案1】：

使用 data.table 版本 >= 1.12.4，您可以使用 on=.NATURAL（请参阅标题为 data.table v1.12.4（2019 年 10 月 3 日）here 部分下的新闻项目 10）

library(data.table) #above and incl data.table_1.12.4
A <- data.table(a = 1:4, b = 12:15)
B <- data.table(a = 2:3, b = 13:14)
B[A, on=.NATURAL]

输出：

   a  b
1: 1 12
2: 2 13
3: 3 14
4: 4 15

【参考方案2】：

plyr 使用两个（所有）列进行连接，data.table 仅使用键控的a 列。

设置相同的键，结果是一样的，见：

setkeyv(A, c("a", "b"))
setkeyv(B, c("a", "b"))
B[A]
#    a  b
# 1: 1 12
# 2: 2 13
# 3: 3 14
# 4: 4 15

【参考方案3】：

这是另一个data.table 选项：

B[A, .(a, b = i.b)]

   a  b
1: 1 12
2: 2 13
3: 3 14
4: 4 15