Traducir uniones de SQL en claves externas a R sintaxis data.table

Question

El paquete data.table proporciona muchos de los mismos métodos de manejo de tabla que SQL. Si una tabla tiene una clave, esa clave consta de una o más columnas. Pero una tabla no puede tener más de una clave, porque no se puede ordenar de dos formas diferentes al mismo tiempo.

En este ejemplo, X y Y son data.table s con una sola columna de clave "id"; Y también tiene una columna sin clave "x_id".

X <- data.table(id = 1:5, a=4:8,key="id") 
    Y <- data.table(id = c(1,1, 3,5,7), x_id=c(1,4:1), key="id") 

La siguiente sintaxis se uniría a las tablas en sus claves:

X[Y] 

Como puedo traducir la siguiente sintaxis SQL para data.table código?

select * from X join Y on X.id = Y.x_id; 

Lo más cerca que he conseguido es:

Y[X,list(id, x_id),by = x_id,nomatch=0] 

Sin embargo, esto no hace unirse a la misma interno como la instrucción SQL.

---

Aquí es un ejemplo más claro en el que se y_id la clave externa, y queremos que la unión a buscar valores de Y2, donde X2$y_id = Y2$id.

X2 <- data.table(id = 1:5, y_id = c(1,1,2,2,2), key="id") 
    Y2 <- data.table(id = 1:5, b = letters[1:5], key="id") 

me gustaría producir la tabla:

id y_id b 
    1  1 "a" 
    2  1 "a" 
    3  2 "b" 
    4  2 "b" 
    5  2 "b" 

similar a lo que se hace por la siguiente kludge:

> merge(data.frame(X2), data.frame(Y2), by.x = "y_id", by.y = "id") 
    y_id id b 
1 1 1 a 
2 1 2 a 
3 2 3 b 
4 2 4 b 
5 2 5 b 

Sin embargo, cuando hago esto:

X2[Y2, 1:2,by = y_id] 

No obtengo el resultado deseado:

y_id V1 
[1,] 1 1 
[2,] 1 2 
[3,] 2 1 
[4,] 2 2 

Answer 1

Buena pregunta. Tenga en cuenta la siguiente (la verdad enterrada) en ?data.table:

Cuando i es una data.table, x debe tener una clave. i se une a x usando la clave y las filas en x que coinciden. Se realiza una unión equitativa entre cada columna en i a cada columna en la clave x. La coincidencia es una búsqueda binaria en C compilada en el tiempo O (log n). Si i tiene menos columnas que la clave x, entonces muchas filas de x pueden coincidir con cada fila de i. Si i tiene más columnas que la clave x, las columnas de i no incluidas en la unión se incluyen en el resultado. Si i también tiene una clave, son las columnas de clave i las que se usan para coincidir con las columnas de clave x y se lleva a cabo una combinación binaria de las dos tablas.

Por lo tanto, la clave aquí es que i no tiene que estar codificado. Solo debe marcarse x.

X2 <- data.table(id = 11:15, y_id = c(14,14,11,12,12), key="id") 
    id y_id 
[1,] 11 14 
[2,] 12 14 
[3,] 13 11 
[4,] 14 12 
[5,] 15 12 
Y2 <- data.table(id = 11:15, b = letters[1:5], key="id") 
    id b 
[1,] 11 a 
[2,] 12 b 
[3,] 13 c 
[4,] 14 d 
[5,] 15 e 
Y2[J(X2$y_id)] # binary search for each item of (unsorted and unkeyed) i 
    id b 
[1,] 14 d 
[2,] 14 d 
[3,] 11 a 
[4,] 12 b 
[5,] 12 b 

o,

Y2[SJ(X2$y_id)] # binary merge of keyed i, see ?SJ 
    id b 
[1,] 11 a 
[2,] 12 b 
[3,] 12 b 
[4,] 14 d 
[5,] 14 d 

identical(Y2[J(X2$y_id)], Y2[X2$y_id]) 
[1] FALSE