让我们将 dta 称为我要分配给的表,并将 dts 称为我要加入并聚合到 dta 的数据源。
dta = data.table(i=1:4, x=rnorm(4))
dts = data.table(i=rep(1:3, each=3), z=runif(9))
我认为我应该能够加入“i”并在一个语句中对其进行聚合:
dta[dts, z_sum := sum(i.z), by=i, on='i']
可惜,这行不通
Error in `[.data.table`(dta, dts, `:=`(z_sum, sum(i.z)), by = i, on = "i") :
object 'i.z' not found
Enter a frame number, or 0 to exit
1: dta[dts, `:=`(z_sum, sum(i.z)), by = i, on = "i"]
2: `[.data.table`(dta, dts, `:=`(z_sum, sum(i.z)), by = i, on = "i")
替换 by=i
与 by=.EACHI
给出错误的结果(z
中 dts
的最后一个值 i
变量的每个值)
并由 by
遗漏完全只是对所有值求和dts$z
并将相同的值分配给 dta
中的所有行.
现在,我可以:
dta[dts[, .(z=sum(z)), keyby=i], z := i.z, on='i']
但似乎应该有一些方法可以与 data.table 内部交互,以便在一个有效的语句中正确地实现这一点,而不是在这里完成单独的聚合然后连接。
我是否遗漏了什么,或者这是做事的最佳方式?我正在执行非常大的联接(将具有数亿行的表合并数千次),因此能够充分利用所有效率非常重要。
最佳答案
我们可以使用.EACHI
dta[, z_sum := dts[.SD, on = .(i), sum(z), by = .EACHI]$V1]
数据
set.seed(24)
dta = data.table(i=1:4, x=rnorm(4))
dts = data.table(i=rep(1:3, each=3), z=runif(9))
关于r - data.table:通过引用聚合、连接和分配,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47150744/