r - 用另一个数据表中一列的值更新一个数据表中的一列 NA

Question

我看过关于这个主题的类似帖子，但无法理解解决方案。本质上，我有一个带有分数和一些 NA 的数据表(DT1)。无论哪里有“NA”，我都想要一个引用另一个数据 (DT2) 表的过程，该表在两个表 (tract) 中都有一个公共(public)列，然后用 DT2 的 score 列的值更新 DT1 中的 NA。我选择数据表类是因为我认为它是一个有效的选择。

DT1

         tract CreditScore    
1: 36107020401         635  
2: 36083052403          NA  
3: 36091062602          NA  
4: 36067013000          NA  
5: 36083052304          NA  

DT2

         tract CreditScore  
1: 36107020401         635  
2: 36083052403         650  
3: 36091062602         335  
4: 36067013000         777  
5: 36083052304         663  

Answer 1

我们创建了新的(更全面的)HTML vignettes对于一些 data.table 概念。看看here对于我们正在处理的其他小插曲。我正在研究连接的小插曲，完成后有望更好地澄清这些类型的问题。

这个想法是首先setkey()在 DT1在专栏tract .

setkey(DT1, tract)

在 data.tables 中， x[i] 形式的连接需要 x 的 key ，但不一定适用于 i .这会导致两种情况:

如果 i也有键集——i 的第一个键列与 x 的第一个键列匹配，第二对第二等等..

如果 i没有键集——i 的第一列与 x 的第一个键列匹配，i 的第二列针对 x 的第二个键列等等..

在这种情况下，由于您在 i 中的第一列也是 tract ，我们将跳过 i 上的设置键.

然后，我们执行 x[i] 形式的连接。 .通过这样做，对于每个 i x 中的匹配行索引被计算，然后连接结果被物化。但是，我们不希望将整个连接结果作为新的 data.table。相反，我们想更新 DT1的 CreditScore DT2 的列在那些匹配的行上..

在 data.tables 中，我们可以在加入时执行该操作，方法是提供 j 中的表达式， 如下:

DT1[DT2, CreditScore := i.CreditScore]
#          tract CreditScore
# 1: 36067013000         777
# 2: 36083052304         663
# 3: 36083052403         650
# 4: 36091062602         335
# 5: 36107020401         635

DT1[DT2部分在 DT1 中查找匹配的行 DT2 中的每一行.如果有匹配，我们想要 DT2的值将在 DT1 中更新.我们通过使用 i.CreditScore 来实现这一点-- 指 DT2的 CreditScore列( i. 是用于区分 x 和 i data.tables 之间名称相同的列的前缀)。

更新:正如评论中所指出的，上述解决方案还将更新 DT1 中的非 NA 值。 .因此，这样做的方法是:

DT1[is.na(CreditScore), CreditScore := DT2[.(.SD), CreditScore]]

在 CreditScore 的那些行上来自 DT1是 NA , 替换 CreditScore来自 DT1使用 CreditScore 中的值从 DT2[.(.SD)] 的连接中获得, 其中 .SD对应于 data.table 的子集，其中包含 CreditScore 的所有行是 NA .

高温高压