Data.table：过滤表上的更新连接未生效问题求助

问题场景 #

现有两个data.table对象dat_a和dat_b，二者拥有相同的postcode列，需要将dat_a中values为NaN的对应值替换为dat_b中的值，但不修改其他行。

示例数据：

dat_a <- 
  data.table(postcode = LETTERS[1:10],
             values = c(1:8, NaN, 10))
dat_b <- 
  data.table(postcode = LETTERS[1:10],
             values = c(990:999))

执行以下代码后，原表dat_a完全没有变化：

dat_a[is.nan(values)
      ][dat_b,
        values := i.values,
        on = .(postcode)]

但在代码末尾加[]后，会显示修改后的子集副本：

dat_a[is.nan(values)
      ][dat_b,
        values := i.values,
        on = .(postcode)][]
# 输出结果：
#    postcode values
# 1:        I    998

问题原因 #

data.table的链式调用[...][...]中，第一个[is.nan(values)]返回的是原表的子集副本，后续的:=修改的是这个临时副本而非原表dat_a，因此原表不会发生变化。

解决方法 #

方法1：直接在原表的子集上进行连接更新 #

通过过滤出dat_a中需要修改的行，再与dat_b连接获取对应值，直接修改原表：

dat_a[is.nan(values), values := dat_b[.SD, i.values, on = .(postcode)]]

• .SD代表当前过滤后的子集，通过on = .(postcode)与dat_b匹配，提取dat_b的values（即i.values）进行替换。

方法2：全表连接后按条件替换 #

通过全表连接，仅对符合条件的行进行值替换，其他行保持原值：

dat_a[dat_b, values := ifelse(is.nan(values), i.values, values), on = .(postcode)]

多条件场景适配 #

针对实际场景中需要多条件过滤的情况（如postcode == "I" & age == 23 & qualification == "bachelors"），只需将条件加入过滤逻辑即可，无需提前过滤dat_b：

# 假设dat_a和dat_b包含age、qualification列
dat_a[is.nan(values) & postcode == "I" & age == 23 & qualification == "bachelors", 
      values := dat_b[.SD, i.values, on = .(postcode, age, qualification)]]

内容的提问来源于stack exchange，提问作者Maharero