根据另一个 data.table 中的值更新 data.table

Posted 2023-04-18

【中文标题】根据另一个 data.table 中的值更新 data.table

【英文标题】：update data.table based on values in another data.table

【发布时间】：2014-09-29 10:24:48

【问题描述】：

我正在尝试根据另一个表中的值更新 data.table。我以为我有一种方法（虽然考虑到我的实际 dt2 有 350 万条记录，但效率不是特别高），但事实证明我的代码出了点问题

在 DT1 中，我有许多变量（数字），我想根据它们的分类值设置为 1 或 0。

数据示例：

dt1 <- data.table(urn = 1:10, V1=0,V2=0,V3=0)
##    urn V1 V2 V3
## 1:   1  0  0  0
## 2:   2  0  0  0
## 3:   3  0  0  0
## 4:   4  0  0  0
## 5:   5  0  0  0
## 6:   6  0  0  0
## 7:   7  0  0  0
## 8:   8  0  0  0
## 9:   9  0  0  0
##10:  10  0  0  0

dt2 <- data.table(urn=rep(1:10,2),classification=0)
dt2$classification <- 1:7 #does give a warning message
##    urn classification
## 1:   1              1
## 2:   2              2
## 3:   3              3
## 4:   4              4
## 5:   5              5
## 6:   6              6
## 7:   7              7
## 8:   8              1
## 9:   9              2
##10:  10              3
##11:   1              4
##12:   2              5
##13:   3              6
##14:   4              7
##15:   5              1
##16:   6              2
##17:   7              3
##18:   8              4
##19:   9              5
##20:  10              6

我想要发生的是骨灰盒匹配的地方，并且骨灰盒有分类为1的记录，然后将V1标志设置为1；其中瓮的分类为 2，设 V2 = 1；你明白了。

我目前的做法是：

setkey(dt1, urn)
setkey(dt2, urn)
dt1[dt2, V1:= ifelse(i.classification == 1 , 1, dt1$V1)]
dt1[dt2, V2:= ifelse(i.classification == 2, 1, dt1$V2)]
dt1[dt2, V3:= ifelse(i.classification == 6, 1, dt1$V3)]
dt1
##    urn V1 V2 V3
## 1:   1  1  0  0
## 2:   2  1  0  0
## 3:   3  1  0  1
## 4:   4  1  0  0
## 5:   5  1  0  0
## 6:   6  1  1  0
## 7:   7  1  0  0
## 8:   8  1  0  0
## 9:   9  1  0  0
##10:  10  1  0  1

我实际上期望的输出是这样的：

##    urn V1 V2 V3
## 1:   1  1  0  0
## 2:   2  0  1  0
## 3:   3  0  0  1
## 4:   4  0  0  0
## 5:   5  1  0  0
## 6:   6  0  1  1
## 7:   7  0  0  0
## 8:   8  1  0  0
## 9:   9  0  1  0
##10:  10  0  0  1

任何帮助将不胜感激。特别是如果我能够简化命令以在一次扫描中管理所有这些而不是 3 个数据连接。正如我所说，350 万条记录会增加一些开销（尤其是当我实际上要为大约 10 列设置标志时）。

提前致谢。

【问题讨论】：

dcast(dt1[dt2,], urn~classification) 之类的东西可能会起作用

【参考方案1】：

您可以为此使用dcast.data.table。

dcast.data.table(data = dt1[dt2,], 
      formula = urn ~ classification, 
      fun.aggregate = function(x) as.numeric(any(!is.na(x))), 
      value.var = 'classification')[, list(urn, V1=`1`, V2=`2`, V3=`6`)] 
##     urn V1 V2 V3
##  1:   1  1  0  0
##  2:   2  0  1  0
##  3:   3  0  0  1
##  4:   4  0  0  0
##  5:   5  1  0  0
##  6:   6  0  1  1
##  7:   7  0  0  0
##  8:   8  1  0  0
##  9:   9  0  1  0
## 10:  10  0  0  1

编辑：如有必要，您可以将最后一条语句包装在 tryCatch 函数中：

dcast.data.table(data = dt1[dt2,], 
                 formula = urn ~ classification, 
                 fun.aggregate = function(x) as.numeric(any(!is.na(x))), 
                 value.var = 'classification')[, list(urn, 
                                                      V1=tryCatch(`1`, error =     ## function(e) NA), 
                                                      V2=tryCatch(`2`, error = function(e) NA), 
                                                      V3=tryCatch(`8`, error = function(e) NA))] 
##     urn V1 V2 V3
##  1:   1  1  0 NA
##  2:   2  0  1 NA
##  3:   3  0  0 NA
##  4:   4  0  0 NA
##  5:   5  1  0 NA
##  6:   6  0  1 NA
##  7:   7  0  0 NA
##  8:   8  1  0 NA
##  9:   9  0  1 NA
## 10:  10  0  0 NA

【讨论】：

这看起来非常有希望，但我似乎无法让它与我的真实数据一起工作。在我的真实世界数据中，我确实在 dt1 和 dt2 中有许多其他列。这是否可能对上述工作方式产生负面影响，鉴于上述所有内容似乎都已命名，我不会怀疑......到目前为止，我真的很感谢您的帮助。 [我将在接下来的几个小时内参加会议，因此可能需要一段时间才能回复]

你能做一个可重复的例子吗，这不起作用？或者至少打印您收到的错误消息？否则很难诊断问题。

感谢@shadow，我意识到我的方式错误。在没有更新 dt1 的情况下运行代码后，我再次检查了 dt1 的内容。我想了一个办法。谢谢我确实有我的问题的另一个扩展，如果我想使用 V3 的 8 而不是 V3 的值 6，我会收到一个错误，因为 dt2 没有任何分类 = 8 的记录。我希望能够使它成为一段相当通用的代码，这将能够解释一系列分类的存在，但如果这些分类不存在，也不会失败。有什么建议吗？