r - 通过引用合并总和与 data.table

Question

假设我有两个 data.table，dt_a 和 dt_b 定义如下。

library(data.table)
set.seed(20201111L)

dt_a <- data.table(
  foo = c("a", "b", "c")
)

dt_b <- data.table(
  bar = sample(c("a", "b", "c"), 10L, replace=TRUE),
  value = runif(10L)
)

dt_b[]
##      bar     value
##   1:   c 0.4904536
##   2:   c 0.9067509
##   3:   b 0.1831664
##   4:   c 0.0203943
##   5:   c 0.8707686
##   6:   a 0.4224133
##   7:   a 0.6025349
##   8:   b 0.4916672
##   9:   a 0.4566726
##  10:   b 0.8841110

我想通过引用在 dt_a 上加入 dt_b，对多重匹配求和。这样做的一种方法是首先创建 dt_b 的摘要(从而解决多重匹配问题)，然后合并。

dt_b_summary <- dt_b[, .(value=sum(value)), bar]
dt_a[dt_b_summary, value_good:=value, on=c(foo="bar")]
dt_a[]
##     foo value_good
##  1:   a   1.481621
##  2:   b   1.558945
##  3:   c   2.288367

但是，这将允许内存到对象dt_b_summary，这是低效的。

我想通过直接加入 dt_b 并对多个匹配求和来获得相同的结果。我正在寻找类似下面的内容，但这行不通。

dt_a[dt_b, value_bad:=sum(value), on=c(foo="bar")]
dt_a[]
##     foo value_good value_bad
##  1:   a   1.481621  5.328933
##  2:   b   1.558945  5.328933
##  3:   c   2.288367  5.328933

有人知道是否有可能吗？

Answer 1

我们可以使用 .EACHI 和 by

library(data.table)
dt_b[dt_a, .(value = sum(value)), on = .(bar = foo), by = .EACHI]
#   bar    value
#1:   a 1.481621
#2:   b 1.558945
#3:   c 2.288367

---

如果我们想更新原始对象'dt_a'

dt_a[, value := dt_b[.SD,  sum(value), on = .(bar = foo), by = .EACHI]$V1]
dt_a
#   foo    value
#1:   a 1.481621
#2:   b 1.558945
#3:   c 2.288367

---

对于多列

dt_b$value1 <- dt_b$value
nm1 <- c('value', 'value1')
dt_a[, (nm1) := dt_b[.SD, lapply(.SD, sum), 
       on = .(bar = foo), by = .EACHI][, .SD, .SDcols = nm1]]