R data.table滚动连接生成多余行及引用赋值疑问

问题复现 #

以下是可复现问题的代码：

A <- data.table(id = c(1, 2, 2, 3), 
            dod = as.Date(c('2022-08-01', '2022-01-01', '2022-01-01', '2022-03-01')), 
            sex = c('M', 'F', 'M', 'F'))

B <- data.table(id = c(1, 2, 2, 3, 4, 5), 
            pay_date = as.Date(c('2022-12-01', '2022-01-01', '2022-01-01', '2022-07-01', '2022-08-01', '2022-10-01')), 
            prem = c(100, 150, 120, 80, 160, 180))
A[, roll_date := dod]
B[, roll_date := pay_date]

执行滚动连接命令：

A[B, on = .(id, roll_date), roll = T]

预期输出行数与B一致（6行），但实际得到8行，其中id == 2 & roll_date == '2022-01-01'的所有组合都被输出。

当修改B中id == 2的pay_date为非精确匹配值时，问题消失：

B <- data.table(id = c(1, 2, 2, 3, 4, 5), 
            pay_date = as.Date(c('2022-12-01', '2022-02-01', '2022-02-01', '2022-07-01', '2022-08-01', '2022-10-01')), 
            prem = c(100, 150, 120, 80, 160, 180))

预期输出：

id   pay_date prem  roll_date id_b      dod_b sex_b roll_date_b
1:  1 2022-12-01  100 2022-12-01   NA       <NA>  <NA>        <NA>
2:  2 2022-01-01  150 2022-01-01    2 2022-01-01     F  2022-01-01
3:  2 2022-01-01  120 2022-01-01    2 2022-01-01     F  2022-01-01
4:  3 2022-07-01   80 2022-07-01    3 2022-09-01     M  2022-09-01
5:  4 2022-08-01  160 2022-08-01   NA       <NA>  <NA>        <NA>
6:  5 2022-10-01  180 2022-10-01   NA       <NA>  <NA>        <NA>

问题原因 #

这是因为滚动连接遇到精确匹配且连接键存在重复值时，data.table会返回所有可能的匹配组合：

• 你的案例中，A表内id=2且roll_date=2022-01-01有2行，B表内相同条件也有2行，精确匹配时会产生2×2=4行匹配结果，而非预期的1对1匹配。
• 当修改B的日期为非精确匹配时，滚动逻辑会找到A中roll_date小于等于目标日期的最近一行（此时A中id=2的两行日期相同，只会取其中一行），因此不会产生笛卡尔积式的多余行。

关于引用赋值:=的疑问 #

引用赋值:=本身和这个问题无关。你用:=创建roll_date列只是常规的列操作，不会影响滚动连接的匹配逻辑。问题的核心是连接键的重复值与精确匹配的组合，而非赋值方式。

内容的提问来源于stack exchange，提问作者Algebro1000