data.table子集的条件data.table匹配

Question

这篇文章与上一篇文章有关：match rows of two data.tables to fill subset of a data.table

不知道我怎么能把它们整合在一起。在我的情况下，除了DT1的一个列的NA之外，还有几个条件应该适用于合并，但这是行不通的。

> DT1 <- data.table(colA = c(1,1, 2,2,2,3,3), colB = c('A', NA, 'AA', 'B', NA, 'A', 'C'), timeA = c(2,4,3,4,6,1,4))
> DT1
   colA colB timeA
1:    1    A     2
2:    1 <NA>     4
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6
6:    3    A     1
7:    3    C     4
> DT2 <- data.table(colC = c(1,1,1,2,2,3), timeB1 = c(1,3,6, 2,4, 1), timeB2 = c(2,5,7,3,5,4), colD = c('Z', 'YY', 'AB', 'JJ', 'F', 'RR'))
> DT2
   colC timeB1 timeB2 colD
1:    1      1      2    Z
2:    1      3      5   YY
3:    1      6      7   AB
4:    2      2      3   JJ
5:    2      4      5    F
6:    3      1      4   RR

使用上面提到的相同的指导方针，我想将ColD of DT2合并到colB of DT1中，只用于DT1中colB的NA值，并使用DT1中的timeA在DT2中的timeB1和timeB2之间的colD值。我尝试了以下方法，但是合并没有发生：

 > output <- DT1[DT2, on = .(colA = colC), colB := ifelse(is.na(x.colB) & i.timeB1 <= x.timeA & x.timeA <= i.timeB2, i.colD, x.colB)]
> output
> output
   colA colB timeA
1:    1    A     2
2:    1 <NA>     4
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6
6:    3    A     1
7:    3    C     4

输出没有任何变化。这是我想要的输出：

> desired_output
   colA colB timeA
1:    1    A     2
2:    1   YY     4   --> should find a match
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6   --> shouldn't find a match
6:    3    A     1
7:    3    C     4

为什么这个不行？我希望只使用data.table操作，而不使用其他包。

Answer 1

colB在DT1中的适当更新如下所示：

DT1[is.na(colB), colB := DT2[DT1[is.na(colB)], 
                    on = .(colC = colA, timeB1 <= timeA, timeB2 >= timeA), colD]]
print(DT1)
   colA colB timeA
1:    1    A     2
2:    1   YY     4
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6
6:    3    A     1
7:    3    C     4

这将索引colB为NA的值，并在条件下的联接(如on= ...中定义的)之后，用在colD中找到的匹配值替换缺少的值。

Answer 2

也许不是最糟糕的答案，但它完成了任务。我不是数据专家，所以我欢迎改进/建议。

DT1[ is.na(colB), colB := DT1[ is.na(colB), ][ DT2, colB := i.colD, on = c( "colA == colC", "timeA >= timeB1", "timeA <= timeB2")]$colB]

什么是事实：

首先，所有行的子集DT1，其中is.na(colB) = TRUE

然后，使用colB向量更新这些行中的colB值，该值来自DT2上同一行子集的非equi连接结果。

更重要的是，DT1是由引用构成的，所以它在大数据上非常快速，内存效率也很高(我认为)。

   colA colB timeA
1:    1    A     2
2:    1   YY     4
3:    2   AA     3
4:    2    B     4
5:    2 <NA>     6
6:    3    A     1
7:    3    C     4