data.table笛卡尔加入合法连接的警告

Question

我很抱歉提前发帖混淆了几个问题。 如果不合适，请编辑或建议我应该做什么。 我正在练习data.table join，这是一个想象的场景：

“两个机器人，每个机器人在MovementA有4个位置，在MovementB有4个位置。问题解决：对于每个机器人，从MoveA到MoveB，有4x4个可能的位置对找到最短距离的4对”

数据设置

library(data.table)

set.seed(20141220)
dtMoveA = data.table(RobotID = rep(1:2, each=4), Position=sample(1:20, 8))
dtMoveB = data.table(RobotID = rep(1:2, each=4), Position=sample(1:20, 8))

# Review Data
rbind(cbind(Movement="Move-A", dtMoveA), cbind(Movement="Move-B", dtMoveB))

    Movement RobotID Position
 1:   Move-A       1       18
 2:   Move-A       1       20
 3:   Move-A       1       15
 4:   Move-A       1        8
 5:   Move-A       2       13
 6:   Move-A       2        2
 7:   Move-A       2        9
 8:   Move-A       2       12
 9:   Move-B       1       18
10:   Move-B       1       14
11:   Move-B       1       13
12:   Move-B       1       17
13:   Move-B       2        5
14:   Move-B       2       16
15:   Move-B       2       20
16:   Move-B       2        3

解决方案1（使用dplyr）

library(dplyr)

dtMoveA %>%
    inner_join(dtMoveB, by="RobotID") %>%
    mutate(AbsDistance = abs(Position.x - Position.y)) %>%
    group_by(RobotID, Position.x) %>%
    filter(AbsDistance == min(AbsDistance)) %>%
    arrange(RobotID, Position.x)

  RobotID Position.x Position.y AbsDistance
1       1          8         13           5
2       1         15         14           1
3       1         18         18           0
4       1         20         18           2
5       2          2          3           1
6       2          9          5           4
7       2         12         16           4
8       2         13         16           3

（尝试）解决方案2（使用data.table）

setkey(dtMoveA, RobotID)
setkey(dtMoveB, RobotID)

dtMoveA[dtMoveB, .(RobotID, Position, i.Position,
                         AbsDistance = abs(Position - i.Position)), allow.cartesian=TRUE
    ] [, MinDistance := min(AbsDistance), by=list(RobotID, Position)
    ] [ AbsDistance == MinDistance, .(Position, i.Position, AbsDistance), by=RobotID
    ] [ order(RobotID, Position)]

   RobotID Position i.Position AbsDistance
1:       1        8         13           5
2:       1       15         14           1
3:       1       18         18           0
4:       1       20         18           2
5:       2        2          3           1
6:       2        9          5           4
7:       2       12         16           4
8:       2       13         16           3

问题1您能否使用data.table art的优秀做法更正我的Solution2？

问题2没有参数allow.cartesian=TRUE data.table警告“连接结果为32行;超过8 =最大值（nrow（x），nrow（i））。检查i中的重复键值，每个键值都加入一遍又一遍地在x中的同一组。如果没关系，请尝试包含j并by删除by以便为每个组运行j以避免大量分配。如果您确定要继续，重新运行allow.cartesian = TRUE“

它真的是笛卡尔积吗？ 这里只对公共密钥值进行连接，这只是数据的巧合，产生了很大的连接结果。

问题3 dtMoveA和dtMoveB具有相同的列名。 数据表连接通过将名称更改为i.Position来i.Position 。 “i”前缀是硬编码的吗？ 我想i.ColumnName总是适用于X [Y]连接表达式中的Y成员。

在此先感谢您的帮助。

Answer 1

问题1：

看起来很棒！ 但是内连接的等价物也是添加nomatch=0L 。 否则你也会从dtMoveB获得所有行。 我们不能在这里使用by=.EACHI AFAICT。

阅读本答案以及本评论中链接的答案，以了解allow.cartesian = TRUE的目的。

问题2：来自?data.table条目下的?data.table allow.cartesian ：

FALSE阻止导致超过max(nrow(x), nrow(i))行的连接。 这通常是由i的连接列中的重复值引起的，每个连接列都反复连接到x的同一组： 错误指定的连接 。

通常这不是预期的，需要更改连接。 在这种情况下，“笛卡儿”这个词被宽泛地使用了。 传统的笛卡尔连接（故意）很难在data.table中实现：其中i中的每一行都连接到x每一行（ nrow(x) * nrow(i)行结果）。 '笛卡儿'只是意味着“大量乘法”。

这回答了你的问题了吗？

问题3：

是。 连接的形式为x[i] 。 当x和i共享列名并且将在连接结果中时，这些列具有i. 添加了前缀。 这是相同的前缀还允许您访问i在的列j ，其中两个x和i在窗体的操作共享列名x[i, j]或x[i, j, by=.EACHI]

加入时，您可以将名称更改为您喜欢的任何名称。 在这里，您可以使用以下命令更改为position.x和position.y ：

dtMoveA[dtMoveB, .(RobotID, Position.x=Position, Position.y=i.Position,
                 AbsDistance = abs(Position - i.Position)), allow.cartesian=TRUE]

HTH

---

PS：如果您有任何建议，请随时在此处添加FR。 请在执行此操作之前查看发布指南 。