带有 all=True 的 merge.data.table 引入了 NA 行。它是不是正确？

Posted 2023-02-24

【中文标题】带有 all=True 的 merge.data.table 引入了 NA 行。它是不是正确？

【英文标题】：merge.data.table with all=True introduces NA row. Is this correct?带有 all=True 的 merge.data.table 引入了 NA 行。它是否正确？

【发布时间】：2013-03-12 01:38:03

【问题描述】：

在填充的 data.table 和另一个空的 data.table 之间进行合并会在结果 data.table 中引入一个 NA 行：

a = data.table(c=c(1,2),key='c')
b = data.table(c=3,key='c')
b=b[c!=3]
b
# Empty data.table (0 rows) of 1 col: c
merge(a,b,all=T)
#     c
# 1: NA
# 2:  1
# 3:  2

为什么？我希望它只返回 data.table a 的行，就像它对 merge.data.frame 所做的那样：

> merge.data.frame(a,b,all=T,by='c')
#  c
#1 1
#2 2

【问题讨论】：

所以你想合并a和一个空的数据表b。为什么你以这种不寻常的方式介绍b？为什么不使用b=data.table()？

@user974514：我只是想重现问题，因为它出现在我的代码中。通常，我的代码中的data.table 已填充，但有时不会填充，在我的情况下，表是键控的，合并自然会使用这些键。一个简单的data.table() 并不能完全重现我遇到的问题。

@user974514，这将给出一个 NULL data.table（0 行和列）并且不会有“key”列。所以，合并是不可能的。

@Arun，我不这么认为。我对data.frame 做了同样的事情，结果是预期的结果：一个新的data.frame，只有填充的行。

【参考方案1】：

问题中的示例过于简单，无法显示问题，因此造成了混乱和讨论。使用两个单列 data.tables 不足以显示 merge 的作用！

这是一个更好的例子：

> a = data.table(P=1:2,Q=3:4,key='P')
> b = data.table(P=2:3,R=5:6,key='P')
> a
   P Q
1: 1 3
2: 2 4
> b
   P R
1: 2 5
2: 3 6
> merge(a,b)  # correct
   P Q R
1: 2 4 5
> merge(a,b,all=TRUE)  # correct.  
   P  Q  R
1: 1  3 NA
2: 2  4  5
3: 3 NA  6
> merge(a,b[0],all=TRUE)  # incorrect result when y is empty, agreed
    P  Q  R
1: NA NA NA
2: NA NA NA
3:  1  3 NA
4:  2  4 NA
> merge.data.frame(a,b[0],all=TRUE)  # correct
  P Q  R
1 1 3 NA
2 2 4 NA

Ricardo 对此进行了深入研究，并在 v1.8.9 中对其进行了修复。来自新闻：

当 y 为空并且 all.y=TRUE（或 all=TRUE），#2633。谢谢 给 Vinicius Almendra 报告。已添加测试。

【参考方案2】：

所有：逻辑； all = TRUE 是保存设置 all.x = TRUE 和 all.y = TRUE 的简写。

all.x：逻辑；如果为 TRUE，那么额外的行将被添加到输出中，每一行对应一个 x 在 y 中没有匹配的行。这些行将在这些列中包含“NA” 通常用来自 y 的值填充。默认为 FALSE，因此只有行 来自 x 和 y 的数据都包含在输出中。

all.y：逻辑；类似于上面的 all.x。

这取自 data.table documentation。有关更多信息，请查看那里的 merge 函数的参数描述。

我认为这回答了你的问题。

【讨论】：

也许你可以试试ifelse(dim(b)[1]==0, merge(a,b,all.x=T), merge(a,b,all.y=T)) 或类似的东西

本文档与merge.data.frame 相同，但行为不同。我不明白为什么带有空表的完全外连接应该添加一个 NA 行。

【参考方案3】：

假设您以自己的方式定义了a 和b。 rbind(a,b) 的简单用法将只返回 a 的行。

但是，如果您想将 NULL 数据表 b 与其他一些非空数据表 a 合并，则有不同的方法。当我不得不在不同的循环中合并不同的数据表时，我遇到了类似的问题。我使用了这个解决方法。

  #some loop that returns data.table named a
  #another loop starts
  if(all.equal(a,b<-data.table())==TRUE)
  b<-a
  next
  
  merge(a,b,c("Factor1","Factor2"))

这对我有帮助，也许对你也有帮助。

【讨论】：

对不起，我不太明白你的 if 语句。如果a 是维度0 by 0 的data.table（如b），则将b 分配给a。为什么？而且您没有使用copy(a)。这将只是通过引用分配，而不是将 a 复制到 b。我不明白。

假设您有一个循环来填充 data.table a。所以它不是空的。但在循环结束时，您希望将其与其他数据表 b 合并，该表在第一次迭代中可以为空，但在第二次迭代中变为非空。这就是此解决方法要解决的问题。

投反对票来自我，如果您能解释（或编辑），我很乐意投赞成票）。

感谢您的回复。现在说得通了。但它没有回答 OP 的问题，因为 data.table 不是 0 行和列，但只有 0 行和 1 列.

对于OP的问题，我推荐使用rbind(a,b)。正如 OP 要求的那样，输出将只有 a 行。

【参考方案4】：

这是意料之中的，因为merge.data.frame all=T 是full outer join，所以你得到两个表的所有键见about merge

【讨论】：

表 b 有一个空键（无行），与值为 NA 的键不同。

您可能发现了一个错误，因为这是一个非常不寻常的情况，您可以在数据表列表中发布吗？

谢谢。我刚刚提交了它和我发现的另一个错误，也与空 data.table 的...

table b not 有一个空键。 tables() 表示键设置为列c。

不知道为什么我们还在谈论它，data.table 应该复制 data.frame 行为，这是一个错误，让我们关闭广告继续...