基于data.table non-equi join实现数值区间匹配次数统计

解决方法 #

首先加载data.table包，将两个数据框转换为data.table对象，通过左连接+按原始mock行分组计数的方式直接得到结果：

library(data.table)
# 转换为data.table格式
setDT(mock)
setDT(range)

# 非等值连接+分组计数直接得到结果
result <- range[mock, 
                on = .(x <= num, y >= num), 
                .(check = .N), 
                by = .(id, num)]

代码说明 #

1. 连接方向调整：你之前写的mock[range, ...]是以range为左表，统计的是每个区间匹配的mock记录数，我们的需求是统计每个mock记录匹配的区间数，所以要把range放在左边，mock放在右边做左连接。
2. on = .(x <= num, y >= num)的含义是：对每一个mock表的num值，匹配range表中所有满足x <= num且y >= num的区间行。
3. by = .(id, num)表示按mock表的原始行（id和num唯一标识一行）分组，.N统计每个分组匹配到的range行数，也就是你要的check值。

运行上述代码得到的result和你期望的输出完全一致，data.table的非等值连接是底层C实现的，即使是百万级以上的数据集运行效率也远高于嵌套循环方案。

内容的提问来源于stack exchange，提问作者Robin B