Я хочу объединить две таблицы data.tables, которые не имеют общего столбца, поэтому я бы получил N1*N2
строк, где N1
и N2
— количество строк в каждом кадре данных.
Выполнение этого с базой R работает:
A <- data.frame(id = 1:6, value = 19:24)
B <- data.frame(value2 = c(25, 25, 26, 26), value3 = 4:5)
A
#> id value
#> 1 1 19
#> 2 2 20
#> 3 3 21
#> 4 4 22
#> 5 5 23
#> 6 6 24
B
#> value2 value3
#> 1 25 4
#> 2 25 5
#> 3 26 4
#> 4 26 5
merge(A, B, all = TRUE)
#> id value value2 value3
#> 1 1 19 25 4
#> 2 2 20 25 4
#> 3 3 21 25 4
#> 4 4 22 25 4
#> 5 5 23 25 4
#> 6 6 24 25 4
#> 7 1 19 25 5
#> 8 2 20 25 5
#> 9 3 21 25 5
#> 10 4 22 25 5
#> 11 5 23 25 5
#> 12 6 24 25 5
#> 13 1 19 26 4
#> 14 2 20 26 4
#> 15 3 21 26 4
#> 16 4 22 26 4
#> 17 5 23 26 4
#> 18 6 24 26 4
#> 19 1 19 26 5
#> 20 2 20 26 5
#> 21 3 21 26 5
#> 22 4 22 26 5
#> 23 5 23 26 5
#> 24 6 24 26 5
Но если теперь у меня есть две таблицы данных, а не кадры данных, это приводит к ошибкам:
library(data.table)
A <- data.table(id = 1:6, value = 19:24)
B <- data.table(value2 = c(25, 25, 26, 26), value3 = 4:5)
merge(A, B, all = TRUE)
#> Error in merge.data.table(A, B, all = TRUE): A non-empty vector of column names for `by` is required.
Как я могу воспроизвести базовое поведение R с помощью data.table
(без обязательного использования merge()
)?
Вы ищете перекрестное соединение. В data.table
есть функция CJ
, но она работает только с одним набором данных, иначе можно сделать:
res <- setkey(A[, c(k=1, .SD)], k)[B[, c(k=1, .SD)], allow.cartesian = TRUE][, k := NULL]
res
id value value2 value3
1: 1 19 25 4
2: 2 20 25 4
3: 3 21 25 4
4: 4 22 25 4
5: 5 23 25 4
6: 6 24 25 4
7: 1 19 25 5
8: 2 20 25 5
9: 3 21 25 5
10: 4 22 25 5
11: 5 23 25 5
12: 6 24 25 5
13: 1 19 26 4
14: 2 20 26 4
15: 3 21 26 4
16: 4 22 26 4
17: 5 23 26 4
18: 6 24 26 4
19: 1 19 26 5
20: 2 20 26 5
21: 3 21 26 5
22: 4 22 26 5
23: 5 23 26 5
24: 6 24 26 5
id value value2 value3
Обратите внимание на альтернативное решение dplyr
:
dplyr::cross_join(A, B)
Альтернативный вариант из этого выпуска GitHub в data.table
репозитории:
library(data.table)
A <- data.table(id = 1:6, value = 19:24)
B <- data.table(value2 = c(25, 25, 26, 26), value3 = 4:5)
CJDT <- function(...) {
Reduce(function(DT1, DT2) cbind(DT1, DT2[rep(1:.N, each=nrow(DT1))]), list(...))
}
CJDT(A, B)
#> id value value2 value3
#> 1: 1 19 25 4
#> 2: 2 20 25 4
#> 3: 3 21 25 4
#> 4: 4 22 25 4
#> 5: 5 23 25 4
#> 6: 6 24 25 4
#> 7: 1 19 25 5
#> 8: 2 20 25 5
#> 9: 3 21 25 5
#> 10: 4 22 25 5
#> 11: 5 23 25 5
#> 12: 6 24 25 5
#> 13: 1 19 26 4
#> 14: 2 20 26 4
#> 15: 3 21 26 4
#> 16: 4 22 26 4
#> 17: 5 23 26 4
#> 18: 6 24 26 4
#> 19: 1 19 26 5
#> 20: 2 20 26 5
#> 21: 3 21 26 5
#> 22: 4 22 26 5
#> 23: 5 23 26 5
#> 24: 6 24 26 5
#> id value value2 value3
Created on 2023-02-06 with reprex v2.0.2
A[, as.list(B), names(A)]
Результаты
id value value2 value3
1: 1 19 25 4
2: 1 19 25 5
3: 1 19 26 4
4: 1 19 26 5
5: 2 20 25 4
6: 2 20 25 5
7: 2 20 26 4
8: 2 20 26 5
9: 3 21 25 4
10: 3 21 25 5
11: 3 21 26 4
12: 3 21 26 5
13: 4 22 25 4
14: 4 22 25 5
15: 4 22 26 4
16: 4 22 26 5
17: 5 23 25 4
18: 5 23 25 5
19: 5 23 26 4
20: 5 23 26 5
21: 6 24 25 4
22: 6 24 25 5
23: 6 24 26 4
24: 6 24 26 5
данные
A <- data.table(id = 1:6, value = 19:24)
B <- data.table(value2 = c(25, 25, 26, 26), value3 = 4:5)