¿Por qué X [Y] se une a data.tables no permite una combinación externa completa, o una combinación izquierda?
Esta es una pequeña pregunta filosófica sobre la sintaxis de datos y tablas. Estoy encontrando más y más usos para data.tables, pero todavía estoy aprendiendo ...
El formato de uniónX[Y]
para data.tables es muy conciso, práctico y eficiente, pero por lo que puedo decir, solo admite uniones internas y uniones externas correctas. Para obtener una combinación externa izquierda o completa, necesito usarmerge
:
X[Y, nomatch = NA]
- todas las filas en Y - unión externa derecha (predeterminado)X[Y, nomatch = 0]
- solo filas con coincidencias en X e Y - unión internamerge(X, Y, all = TRUE)
- todas las filas de X e Y - unión externa completamerge(X, Y, all.x = TRUE)
- todas las filas en X - unión externa izquierdaMe parece que sería útil si elX[Y]
formato de unión compatible con los 4 tipos de combinaciones. ¿Hay alguna razón por la que solo se admiten dos tipos de combinaciones?
Para mí, elnomatch = 0
ynomatch = NA
Los valores de los parámetros no son muy intuitivos para las acciones que se realizan. Es más fácil para mí entender y recordar elmerge
sintaxis:all = TRUE
, all.x = TRUE
yall.y = TRUE
. Desde elX[Y]
operación se asemejamerge
mucho mas quematch
, ¿por qué no usar elmerge
sintaxis para uniones en lugar de lamatch
función denomatch
¿parámetro?
Aquí hay ejemplos de código de los 4 tipos de unión:
# sample X and Y data.tables
library(data.table)
X <- data.table(t = 1:4, a = (1:4)^2)
setkey(X, t)
X
# t a
# 1: 1 1
# 2: 2 4
# 3: 3 9
# 4: 4 16
Y <- data.table(t = 3:6, b = (3:6)^2)
setkey(Y, t)
Y
# t b
# 1: 3 9
# 2: 4 16
# 3: 5 25
# 4: 6 36
# all rows from Y - right outer join
X[Y] # default
# t a b
# 1: 3 9 9
# 2: 4 16 16
# 3: 5 NA 25
# 4: 6 NA 36
X[Y, nomatch = NA] # same as above
# t a b
# 1: 3 9 9
# 2: 4 16 16
# 3: 5 NA 25
# 4: 6 NA 36
merge(X, Y, by = "t", all.y = TRUE) # same as above
# t a b
# 1: 3 9 9
# 2: 4 16 16
# 3: 5 NA 25
# 4: 6 NA 36
identical(X[Y], merge(X, Y, by = "t", all.y = TRUE))
# [1] TRUE
# only rows in both X and Y - inner join
X[Y, nomatch = 0]
# t a b
# 1: 3 9 9
# 2: 4 16 16
merge(X, Y, by = "t") # same as above
# t a b
# 1: 3 9 9
# 2: 4 16 16
merge(X, Y, by = "t", all = FALSE) # same as above
# t a b
# 1: 3 9 9
# 2: 4 16 16
identical( X[Y, nomatch = 0], merge(X, Y, by = "t", all = FALSE) )
# [1] TRUE
# all rows from X - left outer join
merge(X, Y, by = "t", all.x = TRUE)
# t a b
# 1: 1 1 NA
# 2: 2 4 NA
# 3: 3 9 9
# 4: 4 16 16
# all rows from both X and Y - full outer join
merge(X, Y, by = "t", all = TRUE)
# t a b
# 1: 1 1 NA
# 2: 2 4 NA
# 3: 3 9 9
# 4: 4 16 16
# 5: 5 NA 25
# 6: 6 NA 36
Actualización: data.table v1.9.6 introdujo elon=
sintaxis, que permite uniones ad hoc en campos distintos a la clave principal.la respuesta de jangorecki a la pregunta¿Cómo unir (combinar) marcos de datos (interno, externo, izquierdo, derecho)? proporciona algunos ejemplos de tipos de unión adicionales que puede manejar data.table.