如何在R的data.table中基于当前行条件创建关联筛选列

我有一个规模较大的data.table，想要创建一个新列b_m1，根据当前行的a_m1值，匹配表中其他行的a列，获取对应的b值。示例数据如下：

library(data.table)
dt<-data.table(a=seq.Date(as.Date("2023-11-01"), as.Date("2023-11-30"), by="day"), 
               b=c(1:27, 46, 34, 101))
dt$a_m1<-c(seq.Date(as.Date("2023-11-16"), as.Date("2023-11-30"), by="day"), seq.Date(as.Date("2023-11-01"), as.Date("2023-11-15"), by="day"))

生成的data.table内容：

a  b       a_m1
 1: 2023-11-01  1 2023-11-16
 2: 2023-11-02  2 2023-11-17
 3: 2023-11-03  3 2023-11-18
 4: 2023-11-04  4 2023-11-19
 5: 2023-11-05  5 2023-11-20
 6: 2023-11-06  6 2023-11-21
 7: 2023-11-07  7 2023-11-22
 8: 2023-11-08  8 2023-11-23
 9: 2023-11-09  9 2023-11-24
10: 2023-11-10 10 2023-11-25
11: 2023-11-11 11 2023-11-26
12: 2023-11-12 12 2023-11-27
13: 2023-11-13 13 2023-11-28
14: 2023-11-14 14 2023-11-29
15: 2023-11-15 15 2023-11-30
16: 2023-11-16 16 2023-11-01
17: 2023-11-17 17 2023-11-02
18: 2023-11-18 18 2023-11-03
19: 2023-11-19 19 2023-11-04
20: 2023-11-20 20 2023-11-05
21: 2023-11-21 21 2023-11-06
22: 2023-11-22 22 2023-11-07
23: 2023-11-23 23 2023-11-08
24: 2023-11-24 24 2023-11-09
25: 2023-11-25 25 2023-11-10
26: 2023-11-26 26 2023-11-11
27: 2023-11-27 27 2023-11-12
28: 2023-11-28 46 2023-11-13
29: 2023-11-29 34 2023-11-14
30: 2023-11-30 101 2023-11-15 

期望输出（新增b_m1列，对应a_m1匹配a后的b值）：

a  b       a_m1 b_m1
 1: 2023-11-01  1 2023-11-16   16
 2: 2023-11-02  2 2023-11-17   17
 3: 2023-11-03  3 2023-11-18   18
 4: 2023-11-04  4 2023-11-19   19
 5: 2023-11-05  5 2023-11-20   20
 6: 2023-11-06  6 2023-11-21   21
 7: 2023-11-07  7 2023-11-22   22
 8: 2023-11-08  8 2023-11-23   23
 9: 2023-11-09  9 2023-11-24   24
10: 2023-11-10 10 2023-11-25   25
11: 2023-11-11 11 2023-11-26   26
12: 2023-11-12 12 2023-11-27   27
13: 2023-11-13 13 2023-11-28   46
14: 2023-11-14 14 2023-11-29   34
15: 2023-11-15 15 2023-11-30   101
16: 2023-11-16 16 2023-11-01    1
17: 2023-11-17 17 2023-11-02    2
18: 2023-11-18 18 2023-11-03    3
19: 2023-11-19 19 2023-11-04    4
20: 2023-11-20 20 2023-11-05    5
21: 2023-11-21 21 2023-11-06    6
22: 2023-11-22 22 2023-11-07    7
23: 2023-11-23 23 2023-11-08    8
24: 2023-11-24 24 2023-11-09    9
25: 2023-11-25 25 2023-11-10   10
26: 2023-11-26 26 2023-11-11   11
27: 2023-11-27 27 2023-11-12   12
28: 2023-11-28 46 2023-11-13   13
29: 2023-11-29 34 2023-11-14   14
30: 2023-11-30 101 2023-11-15   15

我尝试了以下代码但未得到预期结果：

dt[,b_m1:=dt[a_m1==dt$a]$b,]

解决方案 #

问题分析 #

你原有代码的问题在于，dt[a_m1==dt$a]是对整个向量做逐元素比较，返回所有匹配的行，无法实现按当前行a_m1匹配对应a行的映射逻辑，且这种写法效率极低，不适用于大规模数据集。

方法1：data.table内连接（高效推荐） #

data.table的连接操作是处理这类映射问题的最优方案，针对大规模数据会做键优化，速度远优于逐行匹配：

# 在原表上直接完成连接更新
dt[dt, on = .(a_m1 = a), b_m1 := i.b]

方法2：使用match函数 #

如果是简单的一对一映射，也可以用match定位a_m1在a列中的位置，再提取对应b值：

dt[, b_m1 := b[match(a_m1, a)]]

两种方法都能得到预期结果，其中连接方式更适合大规模数据场景。

内容的提问来源于stack exchange，提问作者user3466328