在 R 中更新数据表（使用 data.table）

Question

我有两个DT

X = data.table(names = c("a", "a", "b", "b", "c", "c"), years = c("2001", "2002", "2001", "2002", "2001", "2002"), val.1 = 1:6, key = c("names", "years"))

X

| names | years | val.1 |
| -------- | -------- |
| a   | 2001   |  1 |
| a   | 2002   |  2 |
| b   | 2001   |  3 |
| b   | 2002   |  4 |
| c   | 2001   |  5 |
| c   | 2002   |  6 |

和

X.update = data.table(names = c("a", "b", "b", "c", "d", "d", "d"), years = c("2003", "2002", "2003", "2003", "2001", "2002", "2003"), val.1 = 11:17)

X.更新

| names | years | val.1 |
| -------- | -------- |
| a   | 2003   |  11 |
| b   | 2002   |  12 |
| b   | 2003   |  13 |
| c   | 2003   |  14 |
| d   | 2001   |  15 |
| d   | 2002   |  16 |
| d   | 2003   |  17 |

这个任务对我来说看起来很自然。 X.update 取代相同 c("names", "year") 的所有旧值 (val.1) 并在其他地方添加新条目。

这里的意思是：

1. 2003 年所有姓名的新行
2. 每年新增一行d（d基本都加了）
3. 2002 年 b 的修正

X.最终

| names | year | val.1 |
| -------- | -------- |
| a   | 2001   |  1 |
| a   | 2002   |  2 |
| a   | 2003   |  11 |       <-added for a for 2003: 11 instead of 3
| b   | 2001   |  4 |
| b   | 2002   |  12 |       <-corrected for b for 2002
| b   | 2003   |  13 |       <-added for b for 2003
| c   | 2001   |  5 |
| c   | 2002   |  6 |
| c   | 2003   |  14 |       <-added for c for 2003
| d   | 2001   |  15 |       <-added
| d   | 2002   |  16 |       <-added
| d   | 2003   |  17 |       <-added

因为我需要这个用于具有 100,000 行的表，所以我想在 DT 中寻求一个惯用的（=快速）解决方案。

Answer 1

您可以使用

merge.data.table()

进行完整外部联接，并指定

all = TRUE

。然后

fcoalesce()

结果，即 通过按顺序连续从候选向量中提取来填充向量中的缺失值，首先从更新的表中选择值，否则使用原始值。

merge(
    X.update,
    X,
    by = c("names", "years"),
    all = TRUE,
    suffix = c("_update", "_original")
)[, val.1 := fcoalesce(val.1_update, val.1_original)][,
    `:=`(val.1_update = NULL, val.1_original = NULL)
][]

输出：

     names  years val.1
    <char> <char> <int>
 1:      a   2001     1
 2:      a   2002     2
 3:      a   2003    11
 4:      b   2001     3
 5:      b   2002    12
 6:      b   2003    13
 7:      c   2001     5
 8:      c   2002     6
 9:      c   2003    14
10:      d   2001    15
11:      d   2002    16
12:      d   2003    17

请注意，这与

b

中

2001

的预期输出不同，但由于原始值为

3

并且没有新值覆盖它，我认为这是预期输出中的错误。