data.table滚动连接中‘nearest’定义及连接结果异常问询

问题根源：连接方向搞反导致重复赋值覆盖 #

你写的d[lookup, on = c("id", "date"), roll = "nearest", value := i.value]是用lookup的6行去更新d的2行——lookup里有3行id=id2的记录，每一行都会匹配到d里唯一的id2行，然后把lookup的value赋值过去。最后一次赋值的是lookup中id2的最后一行（值为6），所以最终结果是6，这根本不是roll="nearest"的问题，是重复赋值覆盖的锅。

一、roll="nearest"的准确定义 #

data.table里roll="nearest"的核心规则（以x[i, on=c(分组键, 滚动键), roll="nearest"]为例）：

• 先按分组键（比如id）把x和i分成对应组。
• 对i里的每一行，找同组x中滚动键（比如date）和当前行滚动键差值最小的那一行匹配。
• 如果刚好卡在两个值中间（差值相同），就选x里位置靠后的那行。
• rollends=c(TRUE,TRUE)只是控制：如果i的滚动键超出了同组x的范围，允许用首尾行来匹配，默认就是开启状态。

二、连接方向差异的本质 #

data.table里x[i]和i[x]的核心区别是谁作为驱动表去查找谁：

• x[i]：用i的每一行去查x，最终结果的行数和i一致。
• i[x]：用x的每一行去查i，最终结果的行数和x一致。

你要的是用d的两行去匹配lookup里的对应项，所以得让d当驱动表，也就是用lookup[d, ...]的形式，而不是反过来让lookup当驱动表去更新d。

三、单次连接得到预期结果的正确写法 #

直接让d作为驱动表，从lookup中匹配赋值，避免重复覆盖：

写法1：直接给d的value列赋值 #

library(data.table)

# 构造示例数据
lookup <- data.table(
  id = c("id1", "id1", "id1", "id2", "id2", "id2"),
  date = as.Date(c("2023-01-01", "2023-01-02", "2023-01-03", "2023-01-01", "2023-01-02", "2023-01-03")),
  value = c(1,2,3,4,5,6)
)

d <- data.table(
  id = c("id1", "id2"),
  date = as.Date(c("2023-01-04", "2022-12-31")),
  value = NA_real_
)

# 正确赋值逻辑
d[, value := lookup[.SD, on = c("id", "date"), roll = "nearest", x.value]]

写法2：直接生成结果表 #

d <- lookup[d, on = c("id", "date"), roll = "nearest", .(id, date, value = x.value)]

两种写法执行后，结果都符合预期：

内容的提问来源于stack exchange，提问作者SamR