通过两个变量合并data.table和最接近的第三个

Question

我想对data.tables执行操作，目前我可以成功地使用data.frames。实质上，它是两个data.frames的合并函数，它为df1找到了df2中匹配变量之一的最接近的匹配项。该代码如下。

我想这样做是data.tables，因为我data.frames是非常大的，和我的当前设置崩溃，如果我试图完成对全部数据这一操作。 Data.table可能允许我直接在整套数据集上完成它，但如果不是这样，我发现在使用多个数据子集时，data.table更容易处理。

我要找的Id（及其相应value）从具有最接近的匹配由变量State小号value在DF1 MM和variable（在此data.frame方法DF2，多个配对可以发生，如果有最接近的匹配关系（例如存在加1和减1的值））。当使用data.frames时，我在下面得到解决方案final。我不知道如何设置data.table来给我相同的结果。我试过我的钥匙的变体，下面是一个例子。有一个answer在data.frame问题，我在代码中参考使用data.table，但是，我不能让它与我的示例数据工作。

# data.frame method 
# used info from this thread: https://stackoverflow.com/questions/16095680 
df1 <- structure(list(State = structure(c(1L, 1L, 3L, 3L, 2L, 2L, 1L, 
1L, 1L), .Label = c("AK", "CO", "MS"), class = "factor"), MM = c(1L, 
2L, 1L, 2L, 3L, 4L, 3L, 4L, 2L), variable = structure(c(1L, 1L, 
1L, 1L, 2L, 2L, 2L, 2L, 2L), .Label = c("TMN", "TMX"), class = "factor"), 
    value = c(1L, 2L, 3L, 4L, 2L, 3L, 5L, 6L, 7L)), .Names = c("State", 
"MM", "variable", "value"), class = "data.frame", row.names = c(NA, 
-9L)) 
df2 <- structure(list(Id = c(1L, 2L, 3L, 1L, 2L, 3L, 5L, 6L, 7L, 5L, 
6L, 7L, 8L), MM = c(1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 
4L, 5L), variable = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L), .Label = c("TMN", "TMX"), class = "factor"), 
    value = c(1, 2, 3, 2, 3, 4, 2, 3, 5.5, 6.5, 3.5, 2.5, 8)), .Names = c("Id", 
"MM", "variable", "value"), class = "data.frame", row.names = c(NA, 
-13L)) 

#Find rows that match by x and y 
res <- merge(df1, df2, by = c("MM", "variable"), all.x = TRUE) 

res$dif <- abs(res$value.x - res$value.y) 

#Find rows that need to be merged 
res1 <- merge(aggregate(dif ~ MM + variable, data = res, FUN = min), res) 

#Finally merge the result back into df1 
final <- merge(df1, res1[res1$dif <= 1, c("MM", "variable", "State", "Id", "value.y")], all.x = TRUE) 

### one Data.table attempts 
# create data.tables with the same key columns 
keycols1 = c("MM", "variable", "value") 
df1t <- data.table(df1, key = keycols1) 
df2t <- data.table(df2, key = key(df1t)) 
setkey(df1t, value) 
setkey(df2t, value) 
test.final <- df2t[df1t, roll='nearest', allow.cartesian=TRUE] 

Answer 1

不知道这是为了实现你想要什么是最好的方式，但在这里是一种方法类似于你做数据帧什么，只能用data.tables代替：

dt1 <- data.table(df1) 
dt2 <- data.table(df2) 
res <- merge(dt1, dt2, by = c("MM", "variable"), all.x = TRUE, allow.cartesian=TRUE) 
final_dt <- res[, .SD[abs(value.x - value.y) == min(abs(value.x - value.y))], by=c("State", "MM", "variable")] 

注意，结果final_dt从你的结果不同之处final的（状态= AK，MM = 3，变量= TMX），你的做法并不返回即使根据你的描述匹配应返回匹配。