r - 在用于合并的列中合并两个具有重复项的 data.tables

Question

我有一个关于合并两个 data.tables 的问题。到目前为止，我在 stackoverflow 或其他任何地方都找不到任何解决方案。因此这里的问题是：

任务：我想根据日期列（date_dawn）合并两个数据表。如您所见，表 A 具有重复的日期，因为我从一天中的多个时间戳 (ts.x) 中获取日期。表 B 每天有一个日期（date_dawn）和一些我需要附加到表 A 的列。

我使用合并得到的错误消息如下：

Error in vecseq(f__, len__, if (allow.cartesian || notjoin || !anyDuplicated(f__,  : 
Join results in 1469574 rows; more than 588399 = nrow(x)+nrow(i). Check for 
duplicate key values in i each of which join to the same group in x over and 
over again. If that's ok, try by=.EACHI to run j for each group to avoid the 
large allocation. If you are sure you wish to proceed, rerun with 
allow.cartesian=TRUE. Otherwise, please search for this error message in the 
FAQ, Wiki, Stack Overflow and data.table issue tracker for advice.

示例表 A

 date_dawn         ts.x                  ....
 1: 2015-09-22     2015-09-22 15:15:00
 2: 2015-09-22     2015-09-22 15:20:00
 3: 2015-09-23     2015-09-23 15:25:00
 4: 2015-09-23     2015-09-23 15:30:00
 5: 2015-09-23     2015-09-23 15:35:00
 6: 2015-09-24     2015-09-24 15:40:00

示例表 B

  date_dawn       ts_ss                 ....
  1: 2015-09-22   2015-09-22 16:58:26
  2: 2015-09-23   2015-09-23 16:56:09
  3: 2015-09-24   2015-09-24 16:53:51
  4: 2015-09-25   2015-09-25 16:51:33
  5: 2015-09-26   2015-09-26 16:49:16
  6: 2015-09-27   2015-09-27 16:46:59

所需的输出将是：

   date_dawn         ts.x                  ts_ss                 ....
   1: 2015-09-22     2015-09-22 15:15:00    2015-09-22 16:58:26
   2: 2015-09-22     2015-09-22 15:20:00    2015-09-22 16:58:26
   3: 2015-09-23     2015-09-23 15:25:00    2015-09-23 16:56:09
   4: 2015-09-23     2015-09-23 15:30:00    2015-09-23 16:56:09
   5: 2015-09-23     2015-09-23 15:35:00    2015-09-23 16:56:09
   6: 2015-09-24     2015-09-24 15:40:00    2015-09-24 16:53:51

到目前为止的问题是任何其他“解决方案”（如在函数 left_join 中，或在合并函数中使用 allow.cartesian = T 如上面的错误消息所假设）使用了 x 和 y 之间匹配的各种组合. 但是我只希望将具有特定 date_dawn 的表 B 的行写入具有相应 date_dawn 的表 A 中的行。

感谢您的任何建议

解决方案：

问题是我在两个表中都有重复项。因此，我必须基于多个列进行合并，或者确保其中一个表中没有重复项。通过这种方式，可以在不获取表 A 和 B 中重复项之间的所有可能组合的情况下进行合并。抱歉，如果我造成了混淆，并感谢社区的支持。

标签： rmergeduplicatesdata.table

Answer 1

我不确定我是否理解这个问题，您可以轻松加入两者，即dplyr：

df1 <- data.frame(
    x = rep(c("x", "y"), 5),
    a = sample(1:5, 10, replace = T)
)

df2 <- data.frame(
    x = c("x", "y"),
    b = LETTERS[1:2]
)

library(dplyr)

left_join(df1, df2, by = "x")

编辑

根据您的评论，您可以使用inner_join, 您可以阅读 all 的文档?dplyr::join。

library(dplyr)

# with duplicates
df1 <- data.frame(
  date_dawn = sample(
    seq.Date(Sys.Date() - 2, Sys.Date(), by  = "day"), 
    10, 
    replace = TRUE
  ),
  ts.x = seq.Date(Sys.Date() - 9, Sys.Date(), by  = "day")
)

df2 <- data.frame(
  date_dawn = seq.Date(Sys.Date() - 2, Sys.Date(), by  = "day"),
  ts_ss = seq.Date(Sys.Date() - 100, Sys.Date() - 98, by = "day")
)

# merge
inner_join(df1, df2, by = "date_dawn")