r - 如何在 R 中的两个 H2OFrame 之间进行交叉连接？

Question

我想在两个 H2OFrame 之间进行交叉连接。寻找解决方法 Strictly in H2OFrame

col1.1 <- c('A', 'B', 'E', 'C', 'F', 'D')
dummy <- rep(1,6)

d1.hex <- as.h2o( cbind( col1.1, dummy ) )

col2.1 <- c('xx', 'yy', 'zz', 'ww')

dummy <- rep(1,4)

d2.hex <- as.h2o( cbind( col2.1, dummy ) )

如果我使用 all =TRUE 它会抛出 Error : unimplemented

h2o.merge(d1.hex, d2.hex, all = TRUE)

如果我使用默认，连接结果不是交叉连接

h2o.merge(d1.hex, d2.hex )

dummy col1.1 col2.1

1 A xx

1 B xx

1 E xx

1 C xx

1 F xx

1 D xx

我曾尝试将连接列的数据类型更改为分类或数字，但没有成功。寻求您的帮助以解决问题。

谢谢

Answer 1

令人沮丧的答案是你不能，并且已经有两个错误报告:

https://0xdata.atlassian.net/browse/PUBDEV-4516

https://0xdata.atlassian.net/browse/PUBDEV-3699

最简单的解决方法是下载所有数据，并在 R 客户端中执行。但是对于大数据，这可能是不可能的。如果您必须在 H2O 集群中执行此操作，则需要一个循环:

1. 将 d1.hex 中具有第一个唯一值的行复制到 tmp
2. tmp2 = h2o.merge(tmp, d2.hex, all.y = TRUE)

重复 d1.hex 中的每个唯一值。然后，最后，对所有 tmp2 表执行 h2o.rbind()。

或者，经典的开源解决方案:自己实现未实现的代码(或者请求/支付 h2o.ai 来实现它)。