Junção binária condicional e atualização por referência usando o pacote data.table
Então, aqui está o meu problema da vida real, que eu sinto que pode ser facilmente resolvido e estou perdendo algo óbvio aqui. Eu tenho dois grandes conjuntos de dados chamadosTK
eDFT
library(data.table)
set.seed(123)
(TK <- data.table(venue_id = rep(1:3, each = 2),
DFT_id = rep(1:3, 2),
New_id = sample(1e4, 6),
key = "DFT_id"))
# venue_id DFT_id New_id
# 1: 1 1 2876
# 2: 1 2 7883
# 3: 2 3 4089
# 4: 2 1 8828
# 5: 3 2 9401
# 6: 3 3 456
(DFT <- data.table(venue_id = rep(1:2, each = 2),
DFT_id = 1:4,
New_id = sample(4),
key = "DFT_id"))
# venue_id DFT_id New_id
# 1: 1 1 3
# 2: 1 2 4
# 3: 2 3 2
# 4: 2 4 1
Eu quero fazer umajunção esquerda binária paraTK
noDFT_id
coluna quandovenue_id %in% 1:2
, enquanto atualizaNew_id
por referência. Em outras palavras, o resultado desejado seria
TK
# venue_id DFT_id New_id
# 1: 1 1 3
# 2: 2 1 3
# 3: 1 2 4
# 4: 3 2 9401
# 5: 2 3 2
# 6: 3 3 456
Eu estava pensando em combinar as duas condições, mas não funcionou (ainda não sei por quê)
TK[venue_id %in% 1:2 & DFT, New_id := i.New_id][]
# Error in `[.data.table`(TK, DFT & venue_id %in% 1:2, `:=`(New_id, i.New_id)) :
# i is invalid type (matrix). Perhaps in future a 2 column matrix could return a list of elements of DT (in the spirit of A[B] in FAQ 2.14).
# Please let datatable-help know if you'd like this, or add your comments to FR #1611.
Minha próxima idéia foi usar o encadeamento que atinge parcialmente o objetivo ao ingressar corretamente, mas em alguma tabela temporária sem afetar de fatoTK
TK[venue_id %in% 1:2][DFT, New_id := i.New_id][]
TK
# venue_id DFT_id New_id
# 1: 1 1 2876
# 2: 2 1 8828
# 3: 1 2 7883
# 4: 3 2 9401
# 5: 2 3 4089
# 6: 3 3 456
Então, para deixar claro, estou ciente de que posso dividirTK
em duas tabelas, execute a junção e depoisrbind
novamente, mas estou fazendo muitas associações condicionais diferentes como essa e também estou procurando soluções eficientes em velocidade e memória.
Isso também significa que eu sounão procurando umdplyr
solução como eu estou tentando usar os doisjunção binária e aatualização por referência recursos que existem apenas nodata.table
pacote IIRC.
Para informações adicionais, consulte estas vinhetas:
Atualização por referênciaJunções binárias