r - data.table:通过引用聚合、连接和分配

Question

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。

Answer 1

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))