r - 不能在同一个 data.table 表达式中使用 i.field 和 by=

Question

连接两个数据表并使用 by= 时在同一个表达式中，每当我尝试使用 j 中内部 data.table 中的列时，我都会收到错误消息。我可以将事情分成两个单独的表达式，但这是额外的输入 - 并且在使用大型数据集时可能会影响性能

举个例子

require(data.table)
DT1 <- data.table(k1 = 1:2, k2 = c('a', 'a', 'a', 'b', 'b', 'c'), v1 = 1:6, key = 'k2')
DT2 <- data.table(k1 = c('a', 'b', 'c'), w1 = 3^(1:3), key = 'k1')

DT1[DT2, sum(v1*w1), by=k1]    # fails complaining about being unable to find w1
DT1[DT2, sum(v1*i.w1), by=k1]  # also fails with the same error
DT1[DT2][, sum(v1*w1), by=k1]  # works

对于小数据集，加入然后分组的方法很好。但是，对于具有许多列的数据集，使用两个 data.tables 的所有列创建临时结果是一项重大负载(我的实际数据表大小大约为 1-2 Gb)。

虽然我可以通过这样做来减少所涉及的列数

DT1[DT2[,.(k1, w1)]][,sum(v1*w1),by=k1]

这消除了 data.tables 的一个重要值(value) - 不必经常指定数据集之间的关系。它还要求我记住在每次连接时在两个不同的地方指定一个列。

有什么明显的我遗漏了吗？

Answer 1

可能 duplicate question带有指向 data.table 功能请求的链接 #733 .