Come eseguire il join su intervalli di date utilizzando data.table?

Question

Come fare il seguito (semplice utilizzando sqldf) utilizzando data.table e ottenere esattamente lo stesso risultato:

library(data.table) 

whatWasMeasured <- data.table(start=as.POSIXct(seq(1, 1000, 100), 
    origin="1970-01-01 00:00:00"), 
    end=as.POSIXct(seq(10, 1000, 100), origin="1970-01-01 00:00:00"), 
    x=1:10, 
    y=letters[1:10]) 

measurments <- data.table(time=as.POSIXct(seq(1, 2000, 1), 
    origin="1970-01-01 00:00:00"), 
    temp=runif(2000, 10, 100)) 

## Alternative short names for data.tables 
dt1 <- whatWasMeasured 
dt2 <- measurments 

## Straightforward with sqldf  
library(sqldf) 

sqldf("select * from measurments m, whatWasMeasured wwm 
where m.time between wwm.start and wwm.end") 

Answer 1

È possibile utilizzare la funzione che implementa foverlaps() unisce su intervalli in modo efficiente. Nel tuo caso, abbiamo solo bisogno di una colonna fittizia per measurments.

Nota 1: è necessario installare la versione di sviluppo di data.table - v1.9.5 come un bug con foverlaps() è stato risolto lì. È possibile trovare le istruzioni di installazione here.

Nota 2: Chiamerò whatWasMeasured = dt1 e measurments = dt2 qui per convenienza.

require(data.table) ## 1.9.5+ 
dt2[, dummy := time] 

setkey(dt1, start, end) 
ans = foverlaps(dt2, dt1, by.x=c("time", "dummy"), nomatch=0L)[, dummy := NULL] 

Vedi ?foverlaps per maggiori informazioni e this post per un confronto delle prestazioni.