r - 条件 data.table 与 .EACHI 合并

Question

我一直在玩新的 data.table条件合并功能，非常酷。我有两个表的情况，dtBig和 dtSmall ，并且当发生这种条件合并时，两个数据集中都有多个行匹配。有没有办法使用像 max 这样的函数来聚合这些匹配项？或 min对于这些多场比赛？这是一个可重现的示例，它试图模仿我想要完成的工作。

设置环境

## docker run --rm -ti rocker/r-base
## install.packages("data.table", type = "source",repos = "http://Rdatatable.github.io/data.table")

创建两个假数据集

A 创建一个包含 50 行(每个 ID 10 个值)的“大”表。

library(data.table)
set.seed(1L)

# Simulate some data
dtBig <- data.table(ID=c(sapply(LETTERS[1:5], rep, 10, simplify = TRUE)), ValueBig=ceiling(runif(50, min=0, max=1000)))
dtBig[, Rank := frank(ValueBig, ties.method = "first"), keyby=.(ID)]

    ID ValueBig Rank
 1:  A      266    3
 2:  A      373    4
 3:  A      573    5
 4:  A      909    9
 5:  A      202    2
---                 
46:  E      790    9
47:  E       24    1
48:  E      478    2
49:  E      733    7
50:  E      693    6

创建一个类似于第一个的“小”数据集，但有 10 行(每个 ID 2 个值)

dtSmall <- data.table(ID=c(sapply(LETTERS[1:5], rep, 2, simplify = TRUE)), ValueSmall=ceiling(runif(10, min=0, max=1000)))

    ID ValueSmall
 1:  A        478
 2:  A        862
 3:  B        439
 4:  B        245
 5:  C         71
 6:  C        100
 7:  D        317
 8:  D        519
 9:  E        663
10:  E        407

合并

我接下来想通过 ID 执行合并并且只需要在 ValueSmall 处合并大于或等于 ValueBig .对于比赛，我想抢 max排名值在 dtBig .我尝试用两种不同的方式来做这件事。方法 2 为我提供了所需的输出，但我不清楚为什么输出完全不同。它似乎只是返回最后一个匹配的值。

## Method 1
dtSmall[dtBig, RankSmall := max(i.Rank), by=.EACHI, on=.(ID, ValueSmall >= ValueBig)]

## Method 2
setorder(dtBig, ValueBig)
dtSmall[dtBig, RankSmall2 := max(i.Rank), by=.EACHI, on=.(ID, ValueSmall >= ValueBig)]

结果

    ID ValueSmall RankSmall RankSmall2 DesiredRank
 1:  A        478         1          4           4
 2:  A        862         1          7           7
 3:  B        439         3          4           4
 4:  B        245         1          2           2
 5:  C         71         1          1           1
 6:  C        100         1          1           1
 7:  D        317         1          2           2
 8:  D        519         3          5           5
 9:  E        663         2          5           5
10:  E        407         1          1           1

有没有更好的 data.table在另一个 data.table 中获取最大值的方法有多场比赛？

Answer 1

I next want to perform a merge by ID and needs to merge only where ValueSmall is greater than or equal to ValueBig. For the matches, I want to grab the max ranked value in dtBig.

setorder(dtBig, ID, ValueBig, Rank)
dtSmall[, r :=
  dtBig[.SD, on=.(ID, ValueBig <= ValueSmall), mult="last", x.Rank ]
]

    ID ValueSmall r
 1:  A        478 4
 2:  A        862 7
 3:  B        439 4
 4:  B        245 2
 5:  C         71 1
 6:  C        100 1
 7:  D        317 2
 8:  D        519 5
 9:  E        663 5
10:  E        407 1

我想对 dtBig 进行排序并采用最后一个匹配行而不是通过 .EACHI 计算最大值要快得多，但我并不完全确定。如果您不喜欢排序，只需保存之前的排序顺序，以便之后可以恢复。

Is there a way to aggregate these matches using a function like max or min for these multiple matches?

对于这个更普遍的问题，.EACHI 可以工作，只需确保您为目标表的每一行(在本例中为 dtSmall)执行此操作，所以...

dtSmall[, r :=
  dtBig[.SD, on=.(ID, ValueBig <= ValueSmall), max(x.Rank), by=.EACHI ]$V1
]