如何在data.table中按分组执行更新连接操作？

这确实是data.table使用中很常见的需求——想通过更新连接，给目标表的每一行按分组从另一个表的对应组里无放回抽样取值。咱们来拆解问题，找到简洁高效的实现方式。

问题痛点分析 #

先看你提到的几种尝试：

• 第一种写法df2[df1,plouf := sample(i.x),on ="ID"]：这里的i.x是整个df1的x向量，抽样是全局的，没有按ID分组，自然不符合预期。
• 第二种df2[df1,plouf := as.numeric(sample(i.x,.N)),on ="ID",by = .EACHI]：报错的核心原因是，by=.EACHI时，.N是当前df2分组的行数，如果df2中某个ID的行数超过了df1对应ID的x值数量，无放回抽样（replace=FALSE默认）就会因为“样本量大于总体量”而报错。
• 第三种写法虽然可行，但可读性和扩展性确实太差，不推荐。

简洁高效的实现方法 #

我们可以分两种思路实现，既清晰又高效：

方法一：先统计抽样量，再关联赋值

# 第一步：统计df2中每个ID的行数，确定每个ID需要抽样的数量
id_counts <- df2[, .(sample_size = .N), by = ID]

# 第二步：在df1中按ID分组，抽取对应数量的x值（无放回）
sampled_values <- df1[id_counts, on = "ID", 
                     .(plouf = sample(x, sample_size, replace = FALSE)), 
                     by = .EACHI]

# 第三步：把抽样结果赋值给df2
df2[, plouf := sampled_values[.SD, on = "ID", plouf]]

方法二：用列表直接在连接中处理（更紧凑）

如果不想单独创建统计表格，可以把df1的x按ID存为列表，再在df2中按ID匹配并抽样：

# 把df1的x按ID整理成列表
id_x_list <- df1[, .(x_list = list(x)), by = ID]

# 关联后按ID分组，从对应列表中抽样对应数量的元素
df2[id_x_list, on = "ID", 
    plouf := sample(x_list[[1]], .N, replace = FALSE), 
    by = .EACHI]

特殊情况处理 #

如果df2中存在某个ID的行数多于df1对应ID的x值数量，无放回抽样必然失败。这时候你可以根据业务需求调整：

1. 允许有放回抽样：把replace=FALSE改成replace=TRUE
2. 智能适配抽样逻辑：比如先判断抽样量和总体量的大小，再选择抽样方式，示例：

sampled_values <- df1[id_counts, on = "ID", 
                     .(plouf = if (sample_size > length(x)) {
                         sample(x, sample_size, replace = TRUE)
                     } else {
                         sample(x, sample_size, replace = FALSE)
                     }), 
                     by = .EACHI]

验证效果 #

你可以用自己的示例数据测试（设置随机种子确保结果可复现）：

set.seed(123)
df1 <- data.table(ID = rep(letters[1:3],each = 3),x = c(runif(3,0,1),runif(3,1,2),runif(3,2,3)))
df2 <- data.table(ID = c(letters[1],letters[1:5]))

# 用方法二执行
id_x_list <- df1[, .(x_list = list(x)), by = ID]
df2[id_x_list, on = "ID", 
    plouf := sample(x_list[[1]], .N, replace = TRUE), 
    by = .EACHI]

执行后df2的plouf列会对应ID从df1的x中抽样，ID为d、e的行会因为df1中没有对应数据而得到NA，符合预期。

内容的提问来源于stack exchange，提问作者denis