Объединить две таблицы данных на основе сопоставления с образцом

Данный:

library(data.table)
dat1 <- setDT(data.frame(pat=c("A.C",".BC"),val=c(1,2)))
dat2 <- setDT(data.frame(q=c("ABC","AXC","XBC"),val2=c(10,11,12)))

Я хочу, чтобы результат был:

dat3 <- setDT(data.frame(pat=c("A.C","A.C",".BC",".BC"),val=c(1,1,2,2),q=c("ABC","AXC","ABC","XBC"),val2=c(10,11,10,12)))
dat3
   pat val   q val2
1: A.C   1 ABC   10
2: A.C   1 AXC   11
3: .BC   2 ABC   10
4: .BC   2 XBC   12

Другими словами, левое соединение dat1 с dat2 для каждого совпадения шаблона регулярного выражения pat со строкой запроса q
Мне было интересно, возможно ли это с помощью краткого выражения слияния data.table, т.е.

dat1[dat2, .(pat, val, q, val2), on= .(grepl(pat,q))] # this does not work

или любой другой data.table трюк для эффективности. На самом деле dat1 — это сотни строк, а dat2 может быть 10–100 тысяч строк.
Это звучит достаточно просто, но я не нашел поста, который полностью освещал бы эту тему.

Самое близкое, что мне удалось сделать, это следующее:

match_pat_to_q <- function(pattern, data, data.col = "q"){
  ret<-lapply(pattern, function(x){
    data[grepl(x,get(data.col))]
  })
  names(ret) <- pattern # becomes an .id column in next step
  rbindlist(ret, idcol=TRUE)
}

match_pat_to_q(dat1$pat, dat2)[dat1, on=.(.id==pat)]

   .id   q val2 val
1: A.C ABC   10   1
2: A.C AXC   11   1
3: .BC ABC   10   2
4: .BC XBC   12   2
Стоит ли изучать PHP в 2026-2027 годах?
Стоит ли изучать PHP в 2026-2027 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
1
0
52
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы можете решить свою проблему следующим образом:

dat1[, dat2[grep(pat, q), .(val, x=q, val2)], by=pat]

      pat   val      x  val2
   <char> <num> <char> <num>
1:    A.C     1    ABC    10
2:    A.C     1    AXC    11
3:    .BC     2    ABC    10
4:    .BC     2    XBC    12

Вы группируете dat1 по pat. Это позволяет логически создать одну группу для каждого шаблона в dat1. Затем для каждой группы вы фильтруете соответствующие данные из dat2, используя сопоставление с образцом, одновременно выбирая необходимые переменные.

Другие вопросы по теме