如何用data.table按无序ID对连接两个数据表？

我明白你遇到的问题了——你需要让两个data.table按照站点对的无序配对来连接，也就是不管ID1和ID2的顺序，只要是同一对站点就能匹配上对吧？之前的代码因为严格按ID1=ID1、ID2=ID2的顺序匹配，所以像(1,1117)和(1117,1)这样的配对就没法关联上，导致结果全是NA。下面给你一个用data.table实现的解决方案：

核心思路 #

给每个站点对生成统一的配对标识：对每一行的ID1和ID2，把较小的ID存为min_id，较大的ID存为max_id。这样不管原来的ID顺序如何，同一对站点的min_id和max_id都是完全一致的，就能作为连接键来匹配了。

具体代码步骤 #

1. 先给两个表生成统一的配对键：

# 给dat1添加统一配对键
dat1[, `:=`(min_id = pmin(ID1, ID2), max_id = pmax(ID1, ID2))]
# 给dat2添加统一配对键
dat2[, `:=`(min_id = pmin(ID1, ID2), max_id = pmax(ID1, ID2))]

2. 用新生成的min_id和max_id作为连接条件，将dat2的共同时段字段合并到dat1中：

cols <- c("common_date_begin", "common_date_end")
dat1[dat2, on = .(min_id, max_id), (cols) := mget(paste0("i.", cols))]

3. 计算日期差，然后删除临时的配对键列：

dat1[, diff_days := common_date_end - common_date_begin]
# 删掉不需要的临时列
dat1[, c("min_id", "max_id") := NULL]

运行结果 #

执行完上述代码后，你就能得到期望的结果：

ID1 ID2 distance common_date_begin common_date_end diff_days
1: 1 1117 3022.22 2000-01-01 2006-12-03 2528 days
2: 1 386 16107.74 NA days
3: 1 920 17327.00 NA days
4: 1 91 24691.42 NA days
5: 1 227 29459.34 NA days

这个方法完美解决了无序配对的连接问题，而且完全用data.table的语法实现，效率也很高。

内容的提问来源于stack exchange，提问作者thiagoveloso