r - 使用 data.table : column missing from the output 的非 equi 连接

Question

我正在使用 data.table 进行左非等连接:

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

OUTPUT包含正确的左连接，除了 MONTH列(存在于 DT1 中)丢失。

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。根据这些非 equi 标准，连接的结果是正确的。只是缺少该列，我需要在进一步的工作中使用它。

编辑 1 : 简化的可重现示例

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, class = c("IDate", "Date")), 
    EXPIRY_DATE = structure(17166L, class = c("IDate", "Date"
    ))), .Names = c("CERT_NUMBER", "FORENAME", "SURNAME", "START_DATE", 
"EXPIRY_DATE"), row.names = c(NA, -1L), class = c("data.table", 
"data.frame"))

OUTPUT <- DT2[DT1, on=.(FORENAME, SURNAME, START_DATE <= MONTH, 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加入并出现在输出中。

MONTH也(非 equi)加入，并且在输出中不存在。

为什么这是预期的行为？

即使这是预期的行为，对我的情况也没有帮助，因为我需要保留 MONTH用于进一步的数据操作。

我的预期输出将是同一张表，但带有 MONTH列保留在 DT1 中。毕竟，我对左连接的期望是从左表 (DT1) 中保留每一行和每一列，并从右表 (DT2) 中添加所有列和仅匹配的行。

   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，开始和结束日期也是错误的!只有人 1 的证书开始日期为 1 月 1 日，结束日期为 12 月 31 日!预期的输出是应该的。但实际输出使一切都在 1 月 1 日。

Answer 1

在 data.table 中，x[i] 形式的连接传统上使用 i 中的值但使用 x 中的列名.尽管这与返回两者的 SQL 不同，但这个默认值对于 equi 连接很有意义，因为我们对 i 中的所有行感兴趣。如果它们匹配，那么两个 data.table 无论如何都具有相同的值，如果它们不匹配，我们需要保留 i 中的那些不匹配值结果。

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，因此可能存在我们必须返回类似于 SQL 的输出的情况(或识别这种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. 明确地引用列。字首。这不方便，我同意。希望这会很快自动处理。

以下是使用 x. 获得结果的方法字首。

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

IIRC 在 GitHub 项目页面上也有关于此的问题。