R join data.table: SQL "select *" simile sintassi nelle tabelle unite?

Question

Ho due data.tables con molti campi.

Desidero unire le due tabelle, aggiungere alcuni campi calcolati e aggiungere tutti gli altri campi dalla prima, seconda o entrambe le tabelle (simile a SQL select a+b AS sum, DT1.*, DT2.* FROM...) senza digitare tutti i nomi dei campi.

Come posso fare questo (per quanto riguarda la sintassi più semplice e le migliori prestazioni)?

semplificato dati esempio:

library(data.table) 
DT1 = data.table(x=c("c", "a", "b", "a", "b"), a=1:5) 
DT2 = data.table(x=c("d", "c", "b"), b=6:8) 

Ora voglio unire le tabelle e aggiungere un campo calcolato:

DT1[DT2, .(sum=a + b, <<< how to say DT1.*, DT2.* here? >>>), on="x"] 

Aggiornamento 4 MAGGIO 2016: Ispirato da utente jangorecki Ho trovato una richiesta di funzionalità per questo:

Should be able to refer to i's .SD during a join

Answer 1

Questo dovrebbe rispondere esattamente alle vostre necessità.
Utilizza la caratteristica R molto potente denominata elaborazione nella lingua (o meta programmazione) ben descritta nel manuale ufficiale R Language Definition. Questa è una caratteristica eccezionale del linguaggio R e non dovrebbe essere dimenticata IMO.

library(data.table) 
DT1 = data.table(x=c("c", "a", "b", "a", "b"), a=1:5) 
DT2 = data.table(x=c("d", "c", "b"), b=6:8) 

jj = as.call(c(
    list(as.name(".")), 
    list(sum = quote(a+b)), 
    lapply(unique(c(names(DT1), names(DT2))), as.name) 
)) 
print(jj) 
#.(sum = a + b, x, a, b) 
DT1[DT2, eval(jj), on="x"] 
# sum x a b 
#1: NA d NA 6 
#2: 8 c 1 7 
#3: 11 b 3 8 
#4: 13 b 5 8 

Answer 2

Sono più sicuro della mia risposta alla seconda parte della domanda, quindi risponderò per prima. Se solo si vuole dire DT1 * o DT2 *, ma desidera che la colonna aggiuntiva nuova = a + b, vorrei fare in questo modo:...

DT1[DT2,new:=a+b,on="x"] 

Per la prima parte, in cui è necessario DT1 * . e DT2 *, l'unica risposta che viene in mente è:

DT1[DT2, on="x"][,new := a+b] 

Tuttavia, ci potrebbe essere il codice più efficiente per raggiungere questo obiettivo.

Answer 3

È possibile mantenere solo le colonne in DT2 che è necessario:

DT1 = data.table(x=c("c", "a", "b", "a", "b"), a=1:5, d=rnorm(5)) 
DT2 = data.table(x=c("d", "c", "b"), b=6:8, c=letters[3]) 

DT3 <- DT1[DT2[,.(x,b), on="x"][, sum := a+b]