使用data.table：输出中缺少列的非equi连接

发布时间：2020-12-12 07:01:37 所属栏目：MsSql教程来源：网络整理

导读：我正在使用data.table进行左非equi连接： OUTPUT - DT2[DT1,on=.(DOB,FORENAME,SURNAME,POSTCODE,START_DATE = MONTH,EXPIRY_DATE = MONTH)] OUTPUT包含正确的左连接,但MONTH列(存在于DT1中)缺失. 这是data.table中的错误吗？注意：当然,START_DATE,EXPIRY_D

我正在使用data.table进行左非equi连接：

OUTPUT <- DT2[DT1,on=.(DOB,FORENAME,SURNAME,POSTCODE,START_DATE <= MONTH,EXPIRY_DATE >= MONTH)]

OUTPUT包含正确的左连接,但MONTH列(存在于DT1中)缺失.

这是data.table中的错误吗？

注意：当然,START_DATE,EXPIRY_DATE和MONTH采用相同的YYYY-MM-DD,IDate格式.基于这些非等标准,连接的结果是正确的.只是列缺失了,我需要在进一步的工作中使用它.

编辑1：简化的可重复示例

DT1 <- structure(list(ID = c(1,2,3),FORENAME = c("JOHN","JACK","ROB"),SURNAME = c("JOHNSON","JACKSON","ROBINSON"),MONTH = structure(c(16953L,16953L,16953L),class = c("IDate","Date"))),.Names = c("ID","FORENAME","SURNAME","MONTH"),row.names = c(NA,-3L),class = c("data.table","data.frame"))

DT2 <- structure(list(CERT_NUMBER = 999,FORENAME = "JOHN",SURNAME = "JOHNSON",START_DATE = structure(16801L,"Date")),EXPIRY_DATE = structure(17166L,"Date"
    ))),.Names = c("CERT_NUMBER","START_DATE","EXPIRY_DATE"),-1L),"data.frame"))

OUTPUT <- DT2[DT1,on=.(FORENAME,EXPIRY_DATE >= MONTH)]

> OUTPUT
   CERT_NUMBER FORENAME  SURNAME START_DATE EXPIRY_DATE ID
1:         999     JOHN  JOHNSON 2016-06-01  2016-06-01  1
2:          NA     JACK  JACKSON 2016-06-01  2016-06-01  2
3:          NA      ROB ROBINSON 2016-06-01  2016-06-01  3

> FORENAME和SURNAME连接在一起并出现在输出中.
> MONTH也是(非equi)加入,并且不在输出中.

为什么这是预期的行为？

即使它是预期的行为,在我的情况下也没有用,因为我需要保留MONTH以进行进一步的数据操作.

我的预期输出将是同一个表,但MONTH列保留在DT1中.毕竟,我对左连接的期望是从左表(DT1)和所有列保留每个行和列,并且只从右表(DT2)添加匹配的行.

CERT_NUMBER FORENAME  SURNAME START_DATE EXPIRY_DATE ID      MONTH
1:         999     JOHN  JOHNSON 2016-01-01  2016-12-31  1 2016-06-01
2:          NA     JACK  JACKSON       <NA>        <NA>  2 2016-06-01
3:          NA      ROB ROBINSON       <NA>        <NA>  3 2016-06-01

编辑2：显然在我的代码产生的输出中,START和END日期也是错误的！只有1人拥有证书,开始日期为1月1日,结束日期为31日至12月！预期的产出应该是应有的.但实际产量在1月1日完成.

解决方法

在data.table中,x [i]形式的连接传统上使用来自i的值但使用x中的列名.虽然这与返回两者的SQL不同,但是这个默认对于equi连接很有意义,因为我们对来自i的所有行感兴趣,如果它们匹配,那么两个data.tables都有相同的值,如果它们没有我们需要在结果中保留i中那些不匹配的值.

但是对于非equi连接,由于值可能不完全匹配,即可能落在一个范围内,可能会出现我们必须返回类似于SQL的输出(或识别此类情况并返回用户期望的结果,类似对于equi连接的情况).这还没有完成,但我现在已经为它做了一个规定,即用x明确引用列.字首.我同意,这不方便.希望这将很快自动完成.

以下是使用x获取结果的方法.字首.

ans <- DT2[DT1,.(CERT_NUMBER,x.START_DATE,x.EXPIRY_DATE,ID,MONTH),EXPIRY_DATE >= MONTH)]

IIRC还有一个关于GitHub项目页面的问题.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!