data.table条件左连接时income列被覆盖的解决方法求助

你的问题出在非等值连接的列引用上：当使用on=.(income>cost)这类不等连接语法时，data.table会将income列替换为用于比较的cost值（来自被连接的表A），而非保留B表原有的income数据。要解决这个问题，需要明确指定引用原表的列。

正确代码实现 #

以下两种写法都能得到和你提供的dplyr代码完全一致的结果，且效率远高于先交叉连接再过滤的方式：

写法1：以A为主表，匹配B中满足cost < income的行

A <- data.table(ID=c(1,2,3,4),cost=c(1000,2000,3000,4000))
B <- data.table(income=c(1500,2500,3500,4500),name=c("A","B","C","D"))

A[B, .(ID, cost, income = i.income, name = i.name), 
  on = .(cost < income), 
  allow.cartesian = TRUE]

写法2：以B为主表，匹配A中满足cost < income的行

B[A, .(ID = i.ID, cost = i.cost, income = x.income, name = x.name), 
  on = .(income > cost), 
  allow.cartesian = TRUE]

关键说明 #

• 在X[Y]的data.table语法中：
  • X是x表（被查找的基础表），引用其列用x.列名
  • Y是i表（用来匹配的表），引用其列用i.列名
• 你原来的代码中直接写income，会被解析为连接条件里的比较值（A表的cost），而非B表的原始income，因此必须用x.income（写法2）或i.income（写法1）明确指定列来源。
• allow.cartesian=TRUE是因为每个A的行可能匹配多个B的行，需要允许笛卡尔积类型的匹配，这和你dplyr代码中先全连接再过滤的逻辑一致。

内容的提问来源于stack exchange，提问作者Fobos