将外键上的 SQL 连接转换为 R data.table 语法

Posted 2023-02-19

【中文标题】将外键上的 SQL 连接转换为 R data.table 语法

【英文标题】：Translating SQL joins on foreign keys to R data.table syntax

【发布时间】：2012-04-12 11:19:11

【问题描述】：

data.table 包提供了许多与 SQL 相同的表处理方法。如果一个表有一个键，则该键由一个或多个列组成。但是一个表不能有多个键，因为它不能同时以两种不同的方式排序。

在此示例中，X 和 Y 是具有单个键列“id”的 data.tables； Y 也有一个非键列“x_id”。

   X <- data.table(id = 1:5, a=4:8,key="id")
   Y <- data.table(id = c(1,1, 3,5,7), x_id=c(1,4:1), key="id")

以下语法将在其键上连接表：

  X[Y]

如何将以下 SQL 语法转换为 data.table 代码？

  select * from X join Y on X.id = Y.x_id; 

我得到的最接近的是：

Y[X,list(id, x_id),by = x_id,nomatch=0]

但是，这与 SQL 语句执行的内连接不同。

---

这是一个更清晰的示例，其中外键是 y_id，我们希望连接查找 Y2 的值，其中 X2$y_id = Y2$id。

    X2 <- data.table(id = 1:5, y_id = c(1,1,2,2,2), key="id")
    Y2 <- data.table(id = 1:5, b = letters[1:5], key="id")

我要制作表格：

   id  y_id  b
    1     1 "a"
    2     1 "a"
    3     2 "b"
    4     2 "b"
    5     2 "b"

类似于以下 kludge 所做的事情：

> merge(data.frame(X2), data.frame(Y2), by.x = "y_id", by.y = "id")
  y_id id b
1    1  1 a
2    1  2 a
3    2  3 b
4    2  4 b
5    2  5 b

但是，当我这样做时：

    X2[Y2, 1:2,by = y_id]

我没有得到想要的结果：

    y_id V1
[1,]    1  1
[2,]    1  2
[3,]    2  1
[4,]    2  2

【问题讨论】：

您可以临时更改X2键并将其设置为"y_id"；然后执行普通连接Y2[X2]（或X2[Y2]，取决于方向）然后恢复X2的前一个键。

@digEmAll 这很有用，我认为这就是 by 参数的作用......但这可以应用于目标（左）表具有的多个（>2）表连接>1 个外键？

我同意@digEmAll：setkey(X2, y_id) 后跟X2[Y2, nomatch=0] 是您的示例所需要的全部内容。这也应该与几个键一起使用。但是，我对 SQL 中的外键语法并不是很熟悉，所以如果您正在为更多键而苦苦挣扎，您可以扩展您的示例吗？

"以下语法将在其键上连接表：X[Y] -- 我认为等效的 SQL 语法是：SELECT * FROM A NATURAL JOIN B;

我编辑了问题的顶部以清除术语。希望没事。会回答...

【参考方案1】：

好问题。请注意?data.table 中的以下内容（不可否认）：

当i 是data.table 时，x 必须有一个密钥。 i 使用键连接到 x 并返回 x 中匹配的行。在i 中的每一列与x 的键中的每一列之间执行等值连接。匹配是在 O(log n) 时间内编译的 C 中的二进制搜索。如果i 的列数少于x 的键，那么x 的许多行可能与i 的每一行匹配。如果i 的列多于x 的键，则i 未参与连接的列将包含在结果中。 如果i 也有一个键，则i 的键列用于匹配x 的键列，并执行两个表的二进制合并。

所以，这里的关键是 i 不必键入。只有x 必须键入。

X2 <- data.table(id = 11:15, y_id = c(14,14,11,12,12), key="id")
     id y_id
[1,] 11   14
[2,] 12   14
[3,] 13   11
[4,] 14   12
[5,] 15   12
Y2 <- data.table(id = 11:15, b = letters[1:5], key="id")
     id b
[1,] 11 a
[2,] 12 b
[3,] 13 c
[4,] 14 d
[5,] 15 e
Y2[J(X2$y_id)]  # binary search for each item of (unsorted and unkeyed) i
     id b
[1,] 14 d
[2,] 14 d
[3,] 11 a
[4,] 12 b
[5,] 12 b

或者，

Y2[SJ(X2$y_id)]  # binary merge of keyed i, see ?SJ
     id b
[1,] 11 a
[2,] 12 b
[3,] 12 b
[4,] 14 d
[5,] 14 d

identical(Y2[J(X2$y_id)], Y2[X2$y_id])
[1] FALSE

【讨论】：

谢谢。但是identical(Y2[J(X2$y_id)], Y2[X2$y_id]) == TRUE，有区别吗？

@David 已更改示例数据以使其更清晰。前面的示例数据的键值与行号相同，即1:5。