data.table非等值连接中.SDcols无法识别x./i.前缀列名

报错原因 #

.SDcols的列名校验逻辑发生在连接执行前，仅会匹配左表（x参数，即示例中的dt1）的原始列名。非等值连接生成的带x./i.前缀的列是连接计算过程中生成的临时列，不属于原始左表的列，因此校验阶段会直接判定列不存在抛出错误。

可行解决方法 #

• 方法1：j参数直接通过..运算符引用外部存储的列名向量，无需经过.SDcols校验
  该方法最简洁，不需要额外生成中间结果：

  library(data.table)
  set.seed(14)
  dt1 <- data.table(id =c(1:10), height = rpois(10,170),weight = rpois(10,50))
  dt2 <- data.table(id =c(101:110), height = rpois(10,170),weight = rpois(10,50))
  
  # 预先存储要提取的列名
  target_cols <- c("x.height","i.height")
  # 直接在j位置用..引用外部列名向量
  dt1[dt2,on = .(height<height,weight>weight),nomatch=0,..target_cols]
  

  运行结果和直接写.(x.height,i.height)完全一致。

• 方法2：先完成连接生成结果表，再做列筛选
  如果需要保留连接生成的全量列再做后续处理，可以先拿到完整连接结果（注意非等值连接默认不会自动给on条件中的列加x./i.前缀，需要在j中显式声明需要的前缀列），再用.SDcols筛选：

  # 第一步：连接时显式返回所有需要的列，生成结果表
  join_result <- dt1[dt2,
                    on = .(height<height,weight>weight),
                    nomatch=0,
                    .(x.id = x.id, x.height, x.weight, i.id = i.id, i.height, i.weight)]
  # 第二步：此时前缀列已经是结果表的正式列，再用.SDcols筛选不会报错
  join_result[, .SD, .SDcols = target_cols]
  

注意：不要尝试在连接的同时传入.SDcols匹配x./i.前缀列，该逻辑下.SDcols永远无法识别连接过程中才生成的临时列。

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