如何合并多个data.table并按来源重命名对应列？

步骤1：重命名各表的x列 #

使用data.table原生的setnames()函数高效修改列名，为每个表的x列添加来源标识：

# 单独重命名每个表的x列
setnames(dt1, "x", "x_dt1")
setnames(dt2, "x", "x_dt2")
setnames(dt3, "x", "x_dt3")
setnames(dt4, "x", "x_dt4")

# 若需要保留各表的y列并区分来源，可同时重命名y列
# setnames(dt1, c("x", "y"), c("x_dt1", "y_dt1"))
# setnames(dt2, c("x", "y"), c("x_dt2", "y_dt2"))
# setnames(dt3, c("x", "y"), c("x_dt3", "y_dt3"))
# setnames(dt4, c("x", "y"), c("x_dt4", "y_dt4"))

步骤2：按date合并所有表 #

提供两种合并方式，按需选择：

方式一：逐步合并（逻辑直观） #

适合表数量较少的场景，每一步合并都清晰可控：

# 先合并前两个表，保留所有date记录
merged_dt <- merge(dt1, dt2, by = "date", all = TRUE)
# 依次合并剩余表
merged_dt <- merge(merged_dt, dt3, by = "date", all = TRUE)
merged_dt <- merge(merged_dt, dt4, by = "date", all = TRUE)

方式二：批量合并（代码简洁） #

借助base R的Reduce()函数配合data.table的merge方法，批量处理多表：

# 将所有表存入列表
dt_list <- list(dt1, dt2, dt3, dt4)
# 批量重命名x列（也可提前单独完成重命名）
for (i in seq_along(dt_list)) {
  setnames(dt_list[[i]], "x", paste0("x_dt", i))
}
# 批量合并所有表，保留全部date
merged_dt <- Reduce(function(a, b) merge(a, b, by = "date", all = TRUE), dt_list)

效率优化提示 #

如果数据量较大，可先为每个表的date列设置key，大幅提升合并速度：

setkey(dt1, date)
setkey(dt2, date)
setkey(dt3, date)
setkey(dt4, date)
# 设置key后，合并时无需指定by参数，会自动按key列合并
merged_dt <- Reduce(function(a, b) merge(a, b, all = TRUE), dt_list)

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