r join data.table

Unirse al alcance heredado con por en data.table



join (1)

Solo una suposición

library(data.table) dta <- data.frame(idx=c(1,2,3), vala=c(2,4,6), fdx=c(''a'',''a'',''b'')) dta <- data.table(dta) dtb <- data.frame(idx=c(1,4), valb=c(3,6)) dtb <- data.table(dtb) setkey(dta,idx) setkey(dtb,idx)

Entonces cuando llamas

dta[dtb, sum(valb)]

es como llamar

tmp <- dta[dtb] attach(tmp) sum(valb) detach(tmp)

Sin embargo, si llamas

dta[dtb, sum(valb), by=fdx]

entonces es como llamar

tmp <- dta[dtb] # attach(tmp) : attach doesn''t happen sum(valb) # detach(tmp) : detach doesn''t happen

La función no sabe qué hacer con los argumentos adicionales. Por ejemplo, esto también arrojaría un error:

dta[dtb, class(fdx), sum(valb)]

Sin embargo, esto funciona

dta[dtb][, sum(valb), by=fdx]

que es algo así como

tmp <- dta[dtb] tmp[, sum(valb), by=fdx]

Como dije, esto es solo una suposición de por qué la función puede no funcionar como se esperaba.

Estoy en data.table 1.9.3, y tal vez estoy equivocado, pero no recuerdo lo que se esperaba anteriormente.

Construyo 2 data.tables, dta y dtb

> dta idx vala fdx 1: 1 2 a 2: 2 4 a 3: 3 6 b > dtb idx valb 1: 1 3 2: 4 6 > dput(x = dta) structure(list(idx = c(1, 2, 3), vala = c(2, 4, 6), fdx = c("a", "a", "b")), .Names = c("idx", "vala", "fdx"), row.names = c(NA, -3L), class = c("data.table", "data.frame"), .internal.selfref = <pointer: 0x0000000000110788>, sorted = "idx") > dput(x = dtb) structure(list(idx = c(1, 4), valb = c(3, 6)), .Names = c("idx", "valb"), row.names = c(NA, -2L), class = c("data.table", "data.frame" ), .internal.selfref = <pointer: 0x0000000000110788>, sorted = "idx")

La clave es idx en ambos casos.

Los siguientes trabajos, por supuesto

> dta[dtb, sum(valb)] [1] 9

Sin embargo, esto no

> dta[dtb, sum(valb), by = fdx] Error in `[.data.table`(dta, dtb, sum(valb), by = fdx) : object ''valb'' not found

Pero esto no

> dta[dtb][, sum(valb), by = fdx] fdx V1 1: a 3 2: NA 6

Si vemos el paso intermedio

> dta[dtb] idx vala fdx valb 1: 1 2 a 3 2: 4 NA NA 6

Hubiera esperado

dta[dtb, sum(valb), by = fdx] == dta[dtb][, sum(valb), by = fdx]

¿Dónde me he equivocado?