nu se alătură cu datele

Am o întrebare pe idiomul data.table pentru "non-joins", inspirat din întrebarea a>. Iată un exemplu:

library(data.table)

dt1 <- data.table(A1=letters[1:10], B1=sample(1:5,10, replace=TRUE))
dt2 <- data.table(A2=letters[c(1:5, 11:15)], B2=sample(1:5,10, replace=TRUE))

setkey(dt1, A1)
setkey(dt2, A2)

data.table s arata asa

> dt1               > dt2
      A1 B1               A2 B2
 [1,]  a  1          [1,]  a  2
 [2,]  b  4          [2,]  b  5
 [3,]  c  2          [3,]  c  2
 [4,]  d  5          [4,]  d  1
 [5,]  e  1          [5,]  e  1
 [6,]  f  2          [6,]  k  5
 [7,]  g  3          [7,]  l  2
 [8,]  h  3          [8,]  m  4
 [9,]  i  2          [9,]  n  1
[10,]  j  4         [10,]  o  1

Pentru a afla ce rânduri din dt2 au aceeași cheie în dt1 , setați opțiunea care la TRUE

> dt1[dt2, which=TRUE]
[1]  1  2  3  4  5 NA NA NA NA NA

Matthew a sugerat în acest răspuns , că un idiom" non join "

dt1[-dt1[dt2, which=TRUE]]

pentru a submota dt1 acelor rânduri care au indici care nu apar în dt2 . Pe masina mea cu data.table v1.7.1 primesc o eroare:

Error in `[.default`(x[[s]], irows): only 0's may be mixed with negative subscripts

În schimb, cu opțiunea nomatch = 0 , funcționează "non join"

> dt1[-dt1[dt2, which=TRUE, nomatch=0]]
     A1 B1
[1,]  f  2
[2,]  g  3
[3,]  h  3
[4,]  i  2
[5,]  j  4

Este acest comportament intenționat?

14
Doar adăugat la v1.8.3 este sintaxa non-join . În acest caz dt1 [! Dt2] . Va adăuga un răspuns detaliat ...
adăugat autor Matt Dowle, sursa

3 răspunsuri

Nou în v1.8.3:

A new "!" prefix on i signals 'not-join' (a.k.a. 'not-where'), #1384.
  DT[-DT["a", which=TRUE, nomatch=0]]   # old not-join idiom, still works
  DT[!"a"]                              # same result, now preferred.
  DT[!J(6),...]                         # !J == not-join
  DT[!2:3,...]                          # ! on all types of i
  DT[colA!=6L | colB!=23L,...]          # multiple vector scanning approach
  DT[!J(6L,23L)]                        # same result, faster binary search
'!' has been used rather than '-' :
  * to match the 'not-join' and 'not-where' nomenclature
  * with '-', DT[-0] would return DT rather than DT[0] and not be backwards
    compatibile. With '!', DT[!0] returns DT both before (since !0 is TRUE in
    base R) and after this new feature.
  * to leave DT[+...] and DT[-...] available for future use
17
adăugat

Din câte știu, aceasta este o parte a bazei R.

# This works
(1:4)[c(-2,-3)]

# But this gives you the same error you described above
(1:4)[c(-2, -3, NA)]
# Error in (1:4)[c(-2, -3, NA)] : 
#   only 0's may be mixed with negative subscripts

Mesajul de eroare text indică faptul că este comportamentul intenționat.

Iată cele mai bune sugestii despre de ce care este comportamentul dorit:

Din modul în care tratează NA în altă parte (de ex., De obicei, implicit la na.rm = FALSE ), se pare că designerii R vizualizează NA s-au purtat informații importante și sunt dispuși să renunțe la aceasta fără o instrucțiune explicită în acest sens. (Din fericire, setarea nomatch = 0 vă oferă o modalitate curată de a trece această instrucțiune de-a lungul!)

În acest context, preferința designerilor probabil explică de ce codurile NA sunt acceptate pentru indexarea pozitivă, dar nu pentru indexarea negativă:

# Positive indexing: works, because the return value retains info about NA's
(1:4)[c(2,3,NA)]

# Negative indexing: doesn't work, because it can't easily retain such info
(1:4)[c(-2,-3,NA)]
5
adăugat
+1 Răspuns frumos! Da, este de la bază. FR # 1384 este pentru a face X [-Y] sintaxa înseamnă "nu se alătură". Între timp care = TRUE, nomatch = 0 este necesar.
adăugat autor Matt Dowle, sursa

Nou în versiunea 1.7.3 a tabletei data.table:

Opțiunea nouă datatable.nomatch permite setarea implicită pentru nomatch   schimbat de la NA la 0, ...

2
adăugat
Această schimbare ar putea ajuta puțin, dar nu a fost destinată faptului că nu se "alăture". FR # 1384 este încă de făcut. Bine pentru a vedea pe cineva citeste NEWS totusi :)
adăugat autor Matt Dowle, sursa