data.table连接时如何指定单列并保留其余表的全部列？

需要将两个data.table（df1和df2）按id=ID，且date_purchase介于start_date和end_date之间进行连接。当前连接代码需手动列出所有列，希望仅指定x.date_purchase，同时可选择保留df1或df2的其余全部列。

示例代码 #

library(data.table)

# 修正原代码中df1 end_date元素数量不匹配的问题
df1 <- data.table(
  ID = c(1, 2, 3),
  start_date = as.Date(c("2022-01-01", "2022-10-15", "2022-02-03")),
  end_date = as.Date(c("2022-01-03", "2022-01-02", "2022-01-01"))
)

df2 <- data.table(
  id = c(1, 1, 7, 8),
  date_purchase = as.Date(c("2022-01-05", "2022-01-02", "2022-01-01", "2022-01-01"))
)

当前手动列列的连接代码 #

df2[df1,.(x.date_purchase,id,ID,start_date,end_date), on=.(id=ID, date_purchase>=start_date, date_purchase<=end_date), nomatch=0]

预期输出 #

利用data.table连接语法中的x.*和i.*快捷方式，可以一键获取对应表的全部列，无需手动逐个列出：

1. 保留df1全部列 + df2的date_purchase #

在df2[df1, ...]的结构中，df1是被连接的表（用i指代），df2是主表（用x指代）。通过i.*获取df1的所有列，再指定x.date_purchase，最后可选重命名列以符合预期格式：

result <- df2[df1, .(i.*, x.date_purchase), 
              on = .(id = ID, date_purchase >= start_date, date_purchase <= end_date), 
              nomatch = 0]
# 重命名x.date_purchase为date_purchase
setnames(result, "x.date_purchase", "date_purchase")

运行后得到的结果与预期一致。

2. 保留df2全部列 + df1的相关列 #

如果需要保留df2的所有列，同时加入df1的列，用x.*获取df2全部列，再指定i.*或所需的df1列：

result_df2 <- df2[df1, .(x.*, i.start_date, i.end_date), 
                  on = .(id = ID, date_purchase >= start_date, date_purchase <= end_date), 
                  nomatch = 0]

核心逻辑说明 #

在data.table的连接表达式X[Y, j, on=...]中：

• X对应x，Y对应i
• x.*表示获取X表的所有列
• i.*表示获取Y表的所有列
• 结合on参数的范围连接条件，即可实现无需手动列全列的高效连接

内容的提问来源于stack exchange，提问作者GitZine