关于data.table文档中join操作标注为左/右连接的疑问

示例数据 #

首先定义两个示例表：

DT = data.table(x=rep(c("b","a","c"),each=3), y=c(1,3,6), v=1:9)
X = data.table(x=c("c","b"), v=8:7, foo=c(4,2))

困惑的标注示例 #

data.table文档对以下代码的标注让你产生疑问：

DT[X, on="x"] # right join (1)
X[DT, on="x"] # left join (2)

你的疑问点 #

你认为区分左右外连接必须先明确左表、右表，执行后(1)是将X连接到DT的结果，(2)是将DT连接到X的结果，觉得正确标注应该是“X在DT上的外连接”“DT在X上的外连接”，且两者并非反向关系，想知道自己遗漏了什么。

解析逻辑 #

问题出在你用「谁连接到谁」的直观描述，和文档采用SQL标准左右连接定义标注的差异，核心要看「保留哪个表的所有行」：

• 右连接（RIGHT JOIN）的定义：以「右表」的所有行为基准，左表匹配到的行填充对应字段，未匹配到的左表字段填NA。
  在DT[X, on="x"]中，data.table的逻辑是保留方括号内的X表的所有行，再匹配DT的行——这完全等价于SQL语句SELECT * FROM DT RIGHT JOIN X ON DT.x = X.x的结果，所以文档标注为right join。

• 左连接（LEFT JOIN）的定义：以「左表」的所有行为基准，右表匹配到的行填充对应字段，未匹配到的右表字段填NA。
  在X[DT, on="x"]中，data.table保留方括号内的DT表的所有行，再匹配X的行——这等价于SQL语句SELECT * FROM DT LEFT JOIN X ON DT.x = X.x的结果，所以文档标注为left join。

简单总结：data.table中A[B, on=...]的写法，对应SQL的A RIGHT JOIN B（保留B的所有行）；B[A, on=...]对应SQL的A LEFT JOIN B（保留A的所有行）。文档的标注是直接对应SQL标准的连接类型，而非「谁连接到谁」的操作描述，这就是你之前没理解到的核心逻辑。

内容的提问来源于stack exchange，提问作者ghx12