合并两个没有共同列的数据表

huangapple
go评论92阅读模式
英文:

Merging two data.tables that don't have common columns

问题

我想合并两个没有共同列的data.table，最终结果将有N1*N2行，其中N1和N2分别是每个数据框中的行数。

使用基本的R可以完成这个操作：

  1. A <- data.frame(id = 1:6, value = 19:24)
  2. B <- data.frame(value2 = c(25, 25, 26, 26), value3 = 4:5)
  4. A
  5. #>   id value
  6. #> 1  1    19
  7. #> 2  2    20
  8. #> 3  3    21
  9. #> 4  4    22
  10. #> 5  5    23
  11. #> 6  6    24
  13. B
  14. #>   value2 value3
  15. #> 1     25      4
  16. #> 2     25      5
  17. #> 3     26      4
  18. #> 4     26      5
  20. merge(A, B, all = TRUE)
  21. #>    id value value2 value3
  22. #> 1   1    19     25      4
  23. #> 2   2    20     25      4
  24. #> 3   3    21     25      4
  25. #> 4   4    22     25      4
  26. #> 5   5    23     25      4
  27. #> 6   6    24     25      4
  28. #> 7   1    19     25      5
  29. #> 8   2    20     25      5
  30. #> 9   3    21     25      5
  31. #> 10  4    22     25      5
  32. #> 11  5    23     25      5
  33. #> 12  6    24     25      5
  34. #> 13  1    19     26      4
  35. #> 14  2    20     26      4
  36. #> 15  3    21     26      4
  37. #> 16  4    22     26      4
  38. #> 17  5    23     26      4
  39. #> 18  6    24     26      4
  40. #> 19  1    19     26      5
  41. #> 20  2    20     26      5
  42. #> 21  3    21     26      5
  43. #> 22  4    22     26      5
  44. #> 23  5    23     26      5
  45. #> 24  6    24     26      5

但是，如果现在有两个data.table而不是dataframes，会出现错误：

  1. library(data.table)
  3. A <- data.table(id = 1:6, value = 19:24)
  4. B <- data.table(value2 = c(25, 25, 26, 26), value3 = 4:5)
  6. merge(A, B, all = TRUE)
  7. #> Error in merge.data.table(A, B, all = TRUE): A non-empty vector of column names for `by` is required.

如何使用data.table来重现基本R的行为（不一定要使用merge()）？

英文:

I want to merge two data.tables that don't have a common column, so I would end up with N1*N2 rows, where N1 and N2 are the number of rows in each dataframe.

Doing this with base R works:

  1. A &lt;- data.frame(id = 1:6, value = 19:24)
  2. B &lt;- data.frame(value2 = c(25, 25, 26, 26), value3 = 4:5)
  4. A
  5. #&gt;   id value
  6. #&gt; 1  1    19
  7. #&gt; 2  2    20
  8. #&gt; 3  3    21
  9. #&gt; 4  4    22
  10. #&gt; 5  5    23
  11. #&gt; 6  6    24
  13. B
  14. #&gt;   value2 value3
  15. #&gt; 1     25      4
  16. #&gt; 2     25      5
  17. #&gt; 3     26      4
  18. #&gt; 4     26      5
  20. merge(A, B, all = TRUE)
  21. #&gt;    id value value2 value3
  22. #&gt; 1   1    19     25      4
  23. #&gt; 2   2    20     25      4
  24. #&gt; 3   3    21     25      4
  25. #&gt; 4   4    22     25      4
  26. #&gt; 5   5    23     25      4
  27. #&gt; 6   6    24     25      4
  28. #&gt; 7   1    19     25      5
  29. #&gt; 8   2    20     25      5
  30. #&gt; 9   3    21     25      5
  31. #&gt; 10  4    22     25      5
  32. #&gt; 11  5    23     25      5
  33. #&gt; 12  6    24     25      5
  34. #&gt; 13  1    19     26      4
  35. #&gt; 14  2    20     26      4
  36. #&gt; 15  3    21     26      4
  37. #&gt; 16  4    22     26      4
  38. #&gt; 17  5    23     26      4
  39. #&gt; 18  6    24     26      4
  40. #&gt; 19  1    19     26      5
  41. #&gt; 20  2    20     26      5
  42. #&gt; 21  3    21     26      5
  43. #&gt; 22  4    22     26      5
  44. #&gt; 23  5    23     26      5
  45. #&gt; 24  6    24     26      5

But if I now have two data.tables and not dataframes anymore, it errors:

  1. library(data.table)
  3. A &lt;- data.table(id = 1:6, value = 19:24)
  4. B &lt;- data.table(value2 = c(25, 25, 26, 26), value3 = 4:5)
  6. merge(A, B, all = TRUE)
  7. #&gt; Error in merge.data.table(A, B, all = TRUE): A non-empty vector of column names for `by` is required.

How can I reproduce the base R behavior with data.table (without necessarily using merge())?

答案1

得分: 5

在data.table中，你正在寻找一个交叉连接。有一个CJ函数，但它只能用于一个数据集，否则你可以这样做：

  1. res <- setkey(A[, c(k=1, .SD)], k)[B[, c(k=1, .SD)], allow.cartesian = TRUE][, k := NULL]
  2. res
  3.     id value value2 value3
  4.  1:  1    19     25      4
  5.  2:  2    20     25      4
  6.  3:  3    21     25      4
  7.  4:  4    22     25      4
  8.  5:  5    23     25      4
  9.  6:  6    24     25      4
  10.  7:  1    19     25      5
  11.  8:  2    20     25      5
  12.  9:  3    21     25      5
  13. 10:  4    22     25      5
  14. 11:  5    23     25      5
  15. 12:  6    24     25      5
  16. 13:  1    19     26      4
  17. 14:  2    20     26      4
  18. 15:  3    21     26      4
  19. 16:  4    22     26      4
  20. 17:  5    23     26      4
  21. 18:  6    24     26      4
  22. 19:  1    19     26      5
  23. 20:  2    20     26      5
  24. 21:  3    21     26      5
  25. 22:  4    22     26      5
  26. 23:  5    23     26      5
  27. 24:  6    24     26      5
  28.     id value value2 value3

注意备用的dplyr解决方案：

  1. dplyr::cross_join(A, B)
英文:

You are looking for a cross-join. In data.table, there is a CJ function but it only works with one data set, otherwise you can do:

  1. res &lt;- setkey(A[, c(k=1, .SD)], k)[B[, c(k=1, .SD)], allow.cartesian = TRUE][, k := NULL]
  2. res
  3.     id value value2 value3
  4.  1:  1    19     25      4
  5.  2:  2    20     25      4
  6.  3:  3    21     25      4
  7.  4:  4    22     25      4
  8.  5:  5    23     25      4
  9.  6:  6    24     25      4
  10.  7:  1    19     25      5
  11.  8:  2    20     25      5
  12.  9:  3    21     25      5
  13. 10:  4    22     25      5
  14. 11:  5    23     25      5
  15. 12:  6    24     25      5
  16. 13:  1    19     26      4
  17. 14:  2    20     26      4
  18. 15:  3    21     26      4
  19. 16:  4    22     26      4
  20. 17:  5    23     26      4
  21. 18:  6    24     26      4
  22. 19:  1    19     26      5
  23. 20:  2    20     26      5
  24. 21:  3    21     26      5
  25. 22:  4    22     26      5
  26. 23:  5    23     26      5
  27. 24:  6    24     26      5
  28.     id value value2 value3

Note the alternative dplyr solution:

  1. dplyr::cross_join(A, B)

答案2

得分: 1

来自data.table的替代方案：

  1. library(data.table)
  3. A <- data.table(id = 1:6, value = 19:24)
  4. B <- data.table(value2 = c(25, 25, 26, 26), value3 = 4:5)
  6. CJDT <- function(...) {
  7.   Reduce(function(DT1, DT2) cbind(DT1, DT2[rep(1:.N, each=nrow(DT1))]), list(...))
  8. }
  10. CJDT(A, B)
  11. #>     id value value2 value3
  12. #>  1:  1    19     25      4
  13. #>  2:  2    20     25      4
  14. #>  3:  3    21     25      4
  15. #>  4:  4    22     25      4
  16. #>  5:  5    23     25      4
  17. #>  6:  6    24     25      4
  18. #>  7:  1    19     25      5
  19. #>  8:  2    20     25      5
  20. #>  9:  3    21     25      5
  21. #> 10:  4    22     25      5
  22. #> 11:  5    23     25      5
  23. #> 12:  6    24     25      5
  24. #> 13:  1    19     26      4
  25. #> 14:  2    20     26      4
  26. #> 15:  3    21     26      4
  27. #> 16:  4    22     26      4
  28. #> 17:  5    23     26      4
  29. #> 18:  6    24     26      4
  30. #> 19:  1    19     26      5
  31. #> 20:  2    20     26      5
  32. #> 21:  3    21     26      5
  33. #> 22:  4    22     26      5
  34. #> 23:  5    23     26      5
  35. #> 24:  6    24     26      5
  36. #>     id value value2 value3

创建于2023-02-06，使用reprex v2.0.2

英文:

An alternative coming from this GitHub issue on the data.table repo:

  1. library(data.table)
  3. A &lt;- data.table(id = 1:6, value = 19:24)
  4. B &lt;- data.table(value2 = c(25, 25, 26, 26), value3 = 4:5)
  6. CJDT &lt;- function(...) {
  7.   Reduce(function(DT1, DT2) cbind(DT1, DT2[rep(1:.N, each=nrow(DT1))]), list(...))
  8. }
  10. CJDT(A, B)
  11. #&gt;     id value value2 value3
  12. #&gt;  1:  1    19     25      4
  13. #&gt;  2:  2    20     25      4
  14. #&gt;  3:  3    21     25      4
  15. #&gt;  4:  4    22     25      4
  16. #&gt;  5:  5    23     25      4
  17. #&gt;  6:  6    24     25      4
  18. #&gt;  7:  1    19     25      5
  19. #&gt;  8:  2    20     25      5
  20. #&gt;  9:  3    21     25      5
  21. #&gt; 10:  4    22     25      5
  22. #&gt; 11:  5    23     25      5
  23. #&gt; 12:  6    24     25      5
  24. #&gt; 13:  1    19     26      4
  25. #&gt; 14:  2    20     26      4
  26. #&gt; 15:  3    21     26      4
  27. #&gt; 16:  4    22     26      4
  28. #&gt; 17:  5    23     26      4
  29. #&gt; 18:  6    24     26      4
  30. #&gt; 19:  1    19     26      5
  31. #&gt; 20:  2    20     26      5
  32. #&gt; 21:  3    21     26      5
  33. #&gt; 22:  4    22     26      5
  34. #&gt; 23:  5    23     26      5
  35. #&gt; 24:  6    24     26      5
  36. #&gt;     id value value2 value3

<sup>Created on 2023-02-06 with reprex v2.0.2</sup>

答案3

得分: 0

  1. A[, as.list(B), names(A)]

结果

  1.     id value value2 value3
  2.  1:  1    19     25      4
  3.  2:  1    19     25      5
  4.  3:  1    19     26      4
  5.  4:  1    19     26      5
  6.  5:  2    20     25      4
  7.  6:  2    20     25      5
  8.  7:  2    20     26      4
  9.  8:  2    20     26      5
  10.  9:  3    21     25      4
  11. 10:  3    21     25      5
  12. 11:  3    21     26      4
  13. 12:  3    21     26      5
  14. 13:  4    22     25      4
  15. 14:  4    22     25      5
  16. 15:  4    22     26      4
  17. 16:  4    22     26      5
  18. 17:  5    23     25      4
  19. 18:  5    23     25      5
  20. 19:  5    23     26      4
  21. 20:  5    23     26      5
  22. 21:  6    24     25      4
  23. 22:  6    24     25      5
  24. 23:  6    24     26      4
  25. 24:  6    24     26      5

数据

  1. A <- data.table(id = 1:6, value = 19:24)
  2. B <- data.table(value2 = c(25, 25, 26, 26), value3 = 4:5)
  2. <details>
  3. <summary>英文:</summary>
  5.     A[, as.list(B), names(A)]
  7. **results**
  9.         id value value2 value3
  10.      1:  1    19     25      4
  11.      2:  1    19     25      5
  12.      3:  1    19     26      4
  13.      4:  1    19     26      5
  14.      5:  2    20     25      4
  15.      6:  2    20     25      5
  16.      7:  2    20     26      4
  17.      8:  2    20     26      5
  18.      9:  3    21     25      4
  19.     10:  3    21     25      5
  20.     11:  3    21     26      4
  21.     12:  3    21     26      5
  22.     13:  4    22     25      4
  23.     14:  4    22     25      5
  24.     15:  4    22     26      4
  25.     16:  4    22     26      5
  26.     17:  5    23     25      4
  27.     18:  5    23     25      5
  28.     19:  5    23     26      4
  29.     20:  5    23     26      5
  30.     21:  6    24     25      4
  31.     22:  6    24     25      5
  32.     23:  6    24     26      4
  33.     24:  6    24     26      5
  35. **data**
  37.     A &lt;- data.table(id = 1:6, value = 19:24)
  38.     B &lt;- data.table(value2 = c(25, 25, 26, 26), value3 = 4:5)
  40. </details>

huangapple
  • 本文由 发表于 2023年2月6日 21:05:58
  • 转载请务必保留本文链接：https://go.coder-hub.com/75361701.html
  • data.table
  • r
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定