不直观的（？）表连接行为与2个data.tables

Question

当使用非等连接连接两个 data.table 时，在我的脑海中，我想象计算机从连接列的顶部到底部查找，直到找到满足连接条件的元素。

library(data.table)

dt1 <- data.table(date = as.Date("2015-01-01"))
dt2 <- data.table(id = 1:4, date = as.Date(c("2014-01-01", "2015-02-01", "2016-01-01", "2017-01-01")))

setorder(dt2, date)

dt1[dt2, on = .(date <= date), `:=`(date2 = i.date, id = i.id)]

在上面的例子中，后连接

dt1

看起来像这样：

         date      date2 id
1: 2015-01-01 2017-01-01  4

令我困惑的是，为什么从

date

加入的

dt2

是满足加入条件的 last 日期（2017-01-01）而不是满足条件的第一个日期（即 2015-02- 01).

我注意到，当您通过运行

dt2

反转

setorder(dt2, -date)

的顺序时，它似乎加入了满足条件的最早日期。

我可以想到两种可行的方法。一种是愚蠢的：计算机从下到上查看表格并选择第一个。第二个是连接算法是贪婪的，它匹配（并随后替换匹配）直到它不再找到满足条件的匹配。

我的问题是后一种行为是否确实是 data.table 的工作方式，如果是的话，除了反转表的顺序之外还有什么方法可以改变这种行为。

Answer 1

从阅读

?:=

的帮助文件来看，看起来第二个选项就是完成的。 我的理由基于“详细信息”部分中的这一陈述：

“.Last.updated”变量包含更新的行数 最近的 ':=' 或 'set' 调用，这可能有用，例如 例如，在生产环境中测试有关的假设 受语句影响的行数；请参阅“.Last.updated” 详细信息。

在问题中显示的代码显示后检查此变量：

dt1[dt2, on = .(date <= date), `:=`(date2 = i.date, id = i.id)]
.Last.updated
#[1] 3

因此，尽管最终输出中仅更改了 1 行，但仍更新了 3 行。