Por que X [Y] join de data.tables não permite uma junção externa completa ou uma junção esquerda?
Esta é uma questão filosófica sobre data.table join syntax. Eu estou achando mais e mais usos para data.tables, mas ainda aprendendo ...
O formato de associaçãoX[Y]
para data.tables é muito conciso, prático e eficiente, mas tanto quanto eu posso dizer, ele só suporta junções internas e junções externas à direita. Para obter uma junção externa completa ou esquerda, preciso usarmerge
:
X[Y, nomatch = NA]
- todas as linhas em Y - junção externa direita (padrão)X[Y, nomatch = 0]
- somente linhas com correspondências em X e Y - junção internamerge(X, Y, all = TRUE)
- todas as linhas de X e Y - junção externa completamerge(X, Y, all.x = TRUE)
- todas as linhas no X - junção externa esquerdaParece-me que seria útil se oX[Y]
O formato de junção suportou todos os 4 tipos de junções. Existe uma razão pela qual apenas dois tipos de junções são suportados?
Para mim, onomatch = 0
enomatch = NA
os valores dos parâmetros não são muito intuitivos para as ações que estão sendo executadas. É mais fácil para mim entender e lembrar omerge
sintaxe:all = TRUE
, all.x = TRUE
eall.y = TRUE
. Desde oX[Y]
operação se assemelhamerge
Muito mais quematch
, porque não usar omerge
sintaxe para junções ao invés domatch
funçõesnomatch
parâmetro?
Aqui estão exemplos de código dos 4 tipos de junção:
# 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
Atualização: data.table v1.9.6 introduziu oon=
sintaxe, que permite junções ad hoc em campos diferentes da chave primária.jangorecki's answer para a questãoComo juntar (mesclar) quadros de dados (interno, externo, esquerdo, direito)? fornece alguns exemplos de tipos de junção adicionais que o data.table pode manipular.