如何通過不同的列名合併兩個data.table？

Question

我有兩個data.table X和Y。

列X：在area, id, value
列Ÿ：ID, price, sales

創建兩個data.tables：

X = data.table(area=c('US', 'UK', 'EU'), 
       id=c('c001', 'c002', 'c003'), 
       value=c(100, 200, 300) 
      ) 

Y = data.table(ID=c('c001', 'c002', 'c003'), 
       price=c(500, 200, 400), 
       sales=c(20, 30, 15) 
      ) 

而我爲了X和設置鍵ÿ ：

setkey(X, id) 
setkey(Y, ID) 

現在我嘗試id在X和ID在Ÿ加入X和ÿ：

merge(X, Y) 
merge(X, Y, by=c('id', 'ID')) 
merge(X, Y, by.x='id', by.y='ID') 

所有提出的錯誤說法在by參數中的無效列名稱。

我參考了data.table的手冊，發現merge函數不支持by.x和by.y的參數。

如何在不更改列名稱的情況下按不同列名稱連接兩個data.tables？

追加：
我設法X[Y]加入兩個表，但爲什麼merge功能data.table失敗？

Answer 1

使用此操作：

X[Y] 
# area id value price sales 
# 1: US c001 100 500 20 
# 2: UK c002 200 200 30 
# 3: EU c003 300 400 15 

或此操作：

Y[X] 
#  ID price sales area value 
# 1: c001 500 20 US 100 
# 2: c002 200 30 UK 200 
# 3: c003 400 15 EU 300 

編輯您編輯您的問題後，我讀了FAQ的1.12節：「什麼是X之間的didifference [Y]和合並（X，Y）？「，這導致我結帳?merge，我發現有兩種不同的合併函數，這取決於您使用的是哪個軟件包。默認值是merge.data.frame，但data.table使用merge.data.table。比較

merge(X, Y, by.x = "id", by.y = "ID") # which is merge.data.table 
# Error in merge.data.table(X, Y, by.x = "id", by.y = "ID") : 
# A non-empty vector of column names for `by` is required. 

與

merge.data.frame(X, Y, by.x = "id", by.y = "ID") 
#  id area value price sales 
# 1 c001 US 100 500 20 
# 2 c002 UK 200 200 30 
# 3 c003 EU 300 400 15 

編輯爲基於comment由@邁克爾Bernsteiner，它看起來像data.table團隊正計劃實現by.x和by.y到merge.data.table功能規劃，但不是招完整性還沒有完成。

Answer 2

當您使用by.x和by.y與data.table合併失敗。以你的數據：

> merge(X,Y, by.x='id', by.y='ID') 
Error in merge.data.table(X, Y, by.x = "id", by.y = "ID") 

您可以使用data.table與合併，但你需要使用by參數進行連接（這樣命名列具有相同的colnames）

Y = setNames(Y,c('id','price','sales')) 

這還是不行：

merge(X,Y, by.x='id', by.y='id') 
Error in merge.data.table(X, Y, by.x = "id", by.y = "id") : 

但是這將工作：

> merge(X,Y, by='id') 
#  id area value price sales 
#1: c001 US 100 500 20 
#2: c002 UK 200 200 30 
#3: c003 EU 300 400 15 

另外，您將需要data.table轉換爲data.frame爲了使用merge與by.x和by.y參數：

merge(data.frame(X), data.frame(Y), by.x='id', by.y='ID') 

Answer 3

隨着1.9.6版本data.table（CRAN上08月2015），你可以指定在​​

merge(x=X, y=Y, by.x="id", by.y="ID")[] 
#  id area value price sales 
#1: c001 US 100 500 20 
#2: c002 UK 200 200 30 
#3: c003 EU 300 400 15 

by.x和by.y參數然而，在data.table 1.9.6可以也 specfy在X[Y]符號

X [Y]的語法現在可以加入，而不必使用新的論點上設置鍵on參數。例如：DT1 [DT2，on = c（x =「y」）]會將DT2的列「y」與DT1的「x」相加。 DT1 [DT2，on =「y」]將加入兩個data.tables的列「y」。

X[Y, on=c(id = "ID")] 
# area id value price sales 
#1: US c001 100 500 20 
#2: UK c002 200 200 30 
#3: EU c003 300 400 15 

this answer由data.table作者有更多的細節