R与data.table：左连接时如何选取第二个表的指定列

一、先看懂你当前的data.table代码 #

你写的这段代码是data.table特有的左连接写法，拆解逻辑如下：

• small[big, ...]：data.table的语法是X[Y]实现Y左连接X，对应SQL里的Y LEFT JOIN X，即保留big的所有行，匹配small中符合连接条件的行。
• c(names(big),"c","d")：明确要提取的列——big的所有列，加上small的c、d列。
• on = c("a","b")：指定连接键，等价于SQL里的ON big.a = small.a AND big.b = small.b。
• with=FALSE：data.table默认会把列名向量当成表达式解析，加这个参数是告诉它直接按向量里的列名去选列，避免语法错误。

二、更贴近SQL风格的替代方案 #

方案1：用data.table的merge函数（原生SQL风格） #

把big转成data.table后，用merge函数实现左连接，参数逻辑和SQL完全对应：

library(data.table)
# 转换big为data.table格式
big_dt <- as.data.table(big)
# 左连接，仅保留small的c、d列
res <- merge(big_dt, small[, .(a, b, c, d)], 
             by = c("a", "b"), 
             all.x = TRUE)  # all.x=TRUE对应SQL左连接，保留左表所有行

这个写法和SQL语句SELECT big.*, small.c, small.d FROM big LEFT JOIN small ON big.a=small.a AND big.b=small.b逻辑完全一致，直观易懂。

方案2：用data.table的简洁列选择语法（无需with=FALSE） #

如果你的data.table版本≥1.14.0，可以直接指定列名，不用with=FALSE：

library(data.table)
big_dt <- as.data.table(big)
# 左连接并选择目标列，i.前缀可明确标记来自small的列（可选）
res <- big_dt[small, on = c("a","b"), .(a, b, c, d)]

这里big_dt[small, ...]表示big_dt左连接small，.()里直接列出要保留的列即可，写法更简洁。

方案3：用dplyr包（完全贴合SQL语法） #

dplyr的语法设计对标SQL，写起来几乎和SQL语句一一对应：

library(dplyr)
# 左连接，仅选取small的c、d列
res <- big %>% 
  left_join(small %>% select(a, b, c, d), 
            by = c("a", "b"))

这段代码完全等价于你想要的SQL写法，可读性极强。

内容的提问来源于stack exchange，提问作者giordano