R语言data.table连接操作时如何指定获取结果的对应列

正确实现方案 #

方案1：使用by = .EACHI逐组取值（写法直观） #

利用data.table连接时的逐组运算特性，每组对应唯一的column取值，可直接用get取出对应列的值：

library(data.table)
# 原始数据
tab1 = data.table(z = c(1,2,3,4),
                  x = c("A", "B", "C", "D"),
                  y = c("E", "F", "G", "H"))
tab2 = data.table(z = c(1,2,3,4),
                  column = c("x", "x", "y", "y"))

# 核心代码
tab2[, val := tab1[tab2, on = .(z), get(i.column), by = .EACHI]$V1]

运行后tab2的结果完全符合预期：

方案2：矩阵索引（大数据量下效率更高） #

将tab1的目标列转为矩阵，通过行列坐标直接定位取值，避免逐组运算开销：

tab2[, val := as.matrix(tab1[, .(x, y)])[cbind(match(tab2$z, tab1$z), match(tab2$column, c("x", "y")))]]

原写法失效原因说明 #

• 第一种写法get(i.column)：i.column是长度为4的完整向量，get仅支持传入单个列名字符串，无法批量解析向量内的多个列名
• 第二种写法column, with=F：此处的column会被识别为要从tab1中取名字为column的列，但tab1不存在该列，因此无法返回预期结果

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