r - [R]如何按 "a. key >= b. key "等条件合并两个表并选择max(c)记录？

Question

我想在 R 中做以下工作:

我有两个表 -- table.A 和 table.B 如下:

table.A <- data.table(DATE = c(20110104, 20110105, 20110106, 20110107))
table.B <- data.table(ANN_DT = c(20101231, 20110105, 20110106), 
                      RPT = c(20100630, 20091231, 20101231))

现在我想合并table.B进入table.A遵循以下规则:

1. 对于 A 中的每条记录 DATE，找到 B 中所有 ANN_DT <= A.DATE 的记录
2. 选择最大(RPT)的记录并合并到表A中

所以结果应该是这样的:

    DATE    B.ANN_DT      B.RPT
1   20110104    20101231  20100630
2   20110105    20101231  20100630
3   20110106    20110105  20101231
4   20110107    20110105  20101231

我可以直接通过 data.table 完成这项工作吗？函数而不是循环或 apply功能？

非常感谢!抱歉英语不好，因为我不是母语人士。

Answer 1

这个怎么样？

require(data.table) # v1.9.6+
B[order(ANN_DT), cmax_RPT := cummax(RPT)][]
B[, ANN_DT2 := B[B, ANN_DT, on=c(RPT= "cmax_RPT"), mult="first"]][]
ans = B[A, .(DATE, ANN_DT=ANN_DT2, RPT=cmax_RPT), roll=Inf, on=c(ANN_DT="DATE")]
ans
#       DATE   ANN_DT      RPT
#1: 20110104 20101231 20100630
#2: 20110105 20101231 20100630
#3: 20110106 20110106 20101231
#4: 20110107 20110106 20101231

第一行存储RPT的累计最大值.第二行提取 ANN_DATE对应于 max 的值值(value)。

这是我们执行滚动连接所需的仅有的两列，它标识每个 A$DATE , B$ANN_DT 中的最大值那是 <=那A$DATE .然后我们只提取 max和相应的ANN_DT值(value)。

由于这并没有实现所有的组合，所以这应该是非常有效的内存。因为这不评估 <=每个条件A$DATE ，这应该很快就足够了。

希望这对您有所帮助。